软式消化内窥镜改良生物荧光法非常规监测点清洗质量检测研究

目的:研究通过增加消化内窥镜非常规监测点,全面提高消化内窥镜清洗质量检测能力和质量控制水平。方法:选取2022年9-11月复旦大学附属中山医院内镜中心用于临床检查的160根普通软式消化内窥镜,通过随机抽样法分别采用传统三磷酸腺苷(ATP)生物荧光法检测和改良ATP生物荧光法检测方式进行消化内窥镜清洗质量检测,每种检测方式80根。传统ATP检测方式使用ATP表面测试棒采样内窥镜先端部20 cm处外表面与使用ATP水质测试棒采样从内窥镜先端部收集注入钳子管道内腔的40 ml无菌水进行检测;改良ATP检测方式在传统ATP检测方式的基础上在钳子管道出口内表面增加1个非常规监测点,使用无菌采样拭子对消化内窥镜钳子管道出口5 cm处内表面,由里向外旋转取样进行检测,对比两种检测方式的清洗质量。结果:在传统ATP检测方式检测结果合格的情况下,改良ATP检测方式在非常规监测点发现消化内窥镜清洗质量阳性物。传统ATP检测方式检测不合格检出率为5.00%(4/80),改良ATP检测方式不合格检出率为25.00%(20/80),其差异有统计学意义(x^(2)=12.549,P<0.05)。结论:增加软式消化内窥镜钳子管道出口非常规监测点,能明显地增加消化内窥镜清洗不合格的检出率,有助于提高消化内窥镜清洗质量控制水平。

基于机器学习的能力评价与匹配研究

目前,高校学生就业形势严峻,针对企业看重的能力对学生做出评价,有助于企业选拔人才,同时也能提高学生的竞争力。采用层次分析法和模糊评价相结合的方式对高校学生的综合能力进行评价。为了解决模糊系统无法自动调整隶属函数参数的问题,有效结合模糊理论和神经网络架构的优点,提出了引入神经网络的综合评价改进算法;并设计具有时频局域化特性的小波神经网络,能够更好地模拟非线性函数,用于预测学生适合的职位。分析实验结果表明,基于改进模糊神经网络算法的能力评价模型与小波网络职位匹配模型,能够提升系统精度与自适应能力,评价结果客观,对学生的能力评价及就业选择具有指导意义。