排序方式: 共有6条查询结果,搜索用时 0 毫秒
1
1.
2.
邢鲁民 《中国卫生标准管理》2021,(12):23-25
目的 探讨智能化流程管理系统在手术室数字化过程中对工作质量的改善效果.方法 于我院手术室智能流程管理系统上线实施前后,选取35名在职护士进行质量调查,并于实施前后分别选取68例手术患者做满意度调查.结果 系统实施后工作质量评价从基础工作、手术室管理、病历书写、手术记录、意外风险管理及工作质量总分均高于实施前(P<0.0... 相似文献
3.
4.
目的:分析2021年城乡居民医保事业发展的公平性、可及性和可持续性的现状及其影响因素,为提升医保管理和服务水平提供决策参考。方法:首先,构建“城乡居民医保事业评价指标体系”,计算居民医保事业发展水平总指数及其公平性、可及性、可持续性3个子系统指数;其次,借助泰尔指数测量东、中、西部三大地带的水平差异,借助空间自相关分析总指数的空间集聚性和异质性;最后,构建地理加权回归模型分析其主要影响因素。结果:居民医保事业发展水平存在省际差异,在地理上表现为由东向西递减的趋势,在空间上呈现随机分布格局;政策因素、经济因素、人口结构、医疗资源配置和教育水平对医保事业发展水平具有显著影响。结论:建议多层次推进医保公平性、全方位增强医保可及性、动态提升医保可持续性,进一步探讨提升管理和服务水平,增强群众医保体验感、获得感和幸福感。 相似文献
5.
目的:构建基于数据融合长短期记忆(DF-LSTM)的大型医疗设备异常检测模型,用以发掘设备异常,减少设备宕机概率。方法:借助医疗设备日志信息,从医疗设备厂家获取异常标注规则,提取医院计算机断层扫描(CT)设备的传感器日志数据16 643 688条,使用滑动窗口方法对其分割生成日志序列,最终获得53 114个日志序列,以按照时间窗口分割的日志序列为输入,以异常与否为输出,构建基于DF-LSTM的大型医疗设备异常检测模型,并进行训练和验证,对比使用交叉熵损失函数的DF-LSTM异常检测模型与本研究使用焦点损失(focalloss)函数的DF-LSTM异常检测模型的精确率、召回率以及F1分数(F1-score)。结果:基于DF-LSTM大型医疗设备异常检测模型的精确率、召回率及F1-score分别达到99.615%、98.969%和0.993分,较使用交叉熵损失函数的DF-LSTM异常检测模型均有约1%的提升。结论:基于DFLSTM的大型医疗设备异常检测模型具有较好的表现,能够极好地提取日志序列信息,有效识别异常日志序列,减少误判和错判情况,提高大型医疗设备运维人员工作效率,减少因大型医疗设... 相似文献
6.
1