S-PLUS FOR WINDOWS统计软件包简介

S-PLUS（或S＋）是由前美国贝尔实验室（AT＆T Bell Labs）（现为Lucent Technologies）创始,用S语言研发而成,专用于数据探索、数据统计和编程建模、并提供丰富的面向对象设计环境进行交互式开发、数据挖掘功能的软件包.     

川崎病门诊临床路径管理系统构建与应用

川崎病遗留冠状动脉损害长期存在,需要对患儿进行长期监测。借助医院信息系统,设计了川崎病门诊临床路径管理系统。系统具备路径设置、医生工作站路径、科研统计分析、患者预约提醒等功能,可满足川崎病临床治疗和科研需求。但系统使用率、系统操作的精细化水平等有待进一步提升,可从系统支持、临床管理两方面持续改进。     

跨区域多学科智能儿科会诊平台构建及应用

目的/意义 通过儿童多学科联合会诊平台,优化会诊预约方式,规范会诊流程,推动医疗科研创新,提升儿科区域医疗服务能力。方法/过程 以浙江大学医学院附属儿童医院为多学科会诊服务中心,以杭州市滨江区3家社区医院为分中心构建多渠道预约、多形式开展、多学科联合的智能儿科会诊管理平台。结果/结论 医院多学科智能儿科会诊有利于复杂疑难疾病诊治,实现区域儿科医疗资源整合、医院服务模式优化和医疗科研创新,构筑医患和谐共赢新生态。     

住院患儿抗生素给药频率分析

目的了解住院患儿抗生素给药频率,评价其合理性。方法利用自行研制的抗生素合理应用自动监控系统对抗生素给药频率进行调查与评估。结果使用抗生素的20003例住院患儿中,给药频率一天一次占53.88%,一天二次占40.94%,一天三次及以上占5.18%,给药人次前10位抗生素中有7种药物给药频率偏少。结论给药频率不合理现象存在较多,应引起重视。     

基于影像组学和机器学习的医学影像分析平台的研究与应用

目的 为解决临床研究人员在医学影像分析中数据标注、特征提取、算法选型等诸多技术难题,设计并构建了基于影像组学与机器学习技术的医学影像分析平台。方法 平台从数据获取、数据治理、数据分析、数据建模、数据管理等5个层面出发,提供了数据获取和标注、影像特征提取与特征降维、机器学习模型运行、结果验证、可视化分析以及自动生成报告等多项功能,生成了影像组学全流程分析的一体化解决方案。结果 临床研究人员可应用该平台对医学影像数据进行影像组学与机器学习的全流程分析,快速产出研究成果。结论平台极大地缩短了医学影像分析的研究时间,降低了临床研究人员的工作难度,显著提升了工作效率。     

医院门诊输液管理系统的改进

我院门诊输液患儿非常多,复杂的流程以及不够人性化的系统设计,医疗护理人员稍有不慎就会引起差错,对患儿的安全造成很大的威胁.为提高输液的安全性以及护理人员的工作效率,我院对输液管理系统进行了一系列的升级、改造,帮助医疗护理人员优化系统操作流程、减轻工作量、提高医疗安全性；同时较为合理的硬件成本也为医院节省了开支.     

基于HIS的抗生素合理应用自动监控系统的应用

应用自行开发的抗生素合理应用自动监控系统,可对医院或各病区抗生素临床使用情况进行自动分析,系统设置了全面的、多角度的、定量抗生素检测指标,能快速显示数据分析的结果并生成各类不同格式的报表。近1年的运行测试表明,系统提供的信息全面、可靠、及时,可为管理人员和临床药师提供良好的抗生素监管和研究平台,提高了监管效率和水平,在医院信息系统比较完善的医院具有良好的应用前景。     

抗生素合理应用自动监控系统的构建

抗生素是目前临床使用最广泛的一类药物 ,临床滥用非常严重。因此 ,对抗生素的合理应用进行有效、系统的监控十分必要。基于医院信息系统已有的数据库和网络架构 ,采用PowerBuild开发工具成功开发了抗生素合理应用监控系统。系统功能强大 ,操作简便 ,提供的信息全面、可靠。该系统可对抗生素的用量、细菌耐药性、联合用药、疗程、围手术期用药、预防用药、用药途径、治疗效果以及不同情况下使用抗生素发生医院感染的比例等主要指标实现自动监控 ,提高了工作效率和管理水平。     

我院住院患儿抗生素使用情况分析

目的：了解住院患儿抗生素使用情况,评价其用药合理性。方法：利用自行研制的抗生素合理应用自动监控系统列抗生素使用情况进行调查与分析。结果：调查住院患儿2959例。抗生素使用率为64．11％,其中预防用药占22．35％,单独用药、二联及三联用药使用率分别为54．03％、45．65％、0．32％。临床使用以青霉素类、头孢菌素类为主,给药途径主要为静脉给药,占94．63％,给药频率以1次／d为主．占57．48％。结论：抗生素临床使用存在一定的不合理现象,应引起重视。     

以咳嗽为第一主诉的儿童疾病医疗数据共享模型构建

分析以咳嗽为第一主诉的儿童疾病背景及其医疗数据应用情况和发展困境,结合联邦学习技术提出多中心横向联邦学习的数据安全共享框架,介绍3类联邦学习基础概念,从框架实施目的、系统架构组成、应用流程以及系统优点等方面详细阐述模型框架及构建路径。