基于机器学习的日间手术患者住院费用预测研究

目的 探讨XGBoost、BP神经网络和支持向量机对日间手术患者住院费用的预测价值,选择最优模型,为医院合理优化日间手术医疗资源配置提供科学依据。方法 利用某三甲医院2018年1月—2021年8月日间手术中心患者病案首页共9 064份,通过Excel建立数据库,采用SPSS 21.0软件进行描述性分析。对于日间手术患者住院费用的分析预测,利用Python建立XGBoost、BP神经网络和支持向量机模型,比较评价指标选出最优模型,从而对医院日间手术患者的住院费用作出精准预测。结果 该院患者住院费用的中位数为2 872.11元。XGBoost模型预测住院费用的R方值为0.854,MAPE值为0.209;BP神经网络的R方值为0.837,MAPE值为0.240;支持向量机的R方值为0.730,MAPE值为0.225。综合两个评价指标,XGBoost预测的准确性比BP神经网络和支持向量机更高。结论 XGBoost比BP神经网络和支持向量机在日间手术患者住院费用预测研究中表现更具优势,具有较高的估算精度和可靠性。通过对住院费用的精准预测,可为相关医疗运营管理者提供决策参考,在保证医疗质量的情况下主动控费,从而达到引导医疗行为、提升医院资源使用效率的效果。

三元复合物Ag/Cu_(2)O/g-C_(3)N_(4)的制备及其光催化降解和抗菌性能研究

以尿素、硫酸铜、乙酸银为原料,采用溶液法制备了三元复合物Ag/Cu_(2)O/g-C_(3)N_(4),通过XRD、XPS、SEM、TEM、UV-Vis等手段对三元复合物的结构进行了表征;以罗丹明B为模型研究了三元复合物的光催化降解性能,以大肠杆菌和金黄色葡萄球菌为模型研究了三元复合物的抗菌性能,并探究了三元复合物的光催化降解机理。结果表明,Ag和Cu_(2)O粒子沉积在g-C_(3)N_(4)片层结构上,Ag、Cu_(2)O和g-C_(3)N_(4)三者之间的协同作用使得三元复合物的光催化降解性能和抗菌性能大幅提高。为构建用于实际水体污染处理的g-C_(3)N_(4)基复合材料提供了新思路。

广东省公立医院综合改革中医疗服务价格调整后的影响及对策研究

目的:调查广东省省部属三甲医院综合改革医疗服务价格调整后对病人负担、医院收入等指标的正负效应,为进行后续医改提供参照。方法:采用分层随机调查方法,分别抽取9家综合医院和3家专科医院进行调研,采集网络直报医疗服务年报表数据,调查内容主要包括取消药品加成前后(2013-2018年)病人门(急)诊次均费用、住院次均费用、药占比等统计指标。结果:改革后病人负担变化不大,医院收入增加,药占比下降明显。结论:公立医院综合医改达到了初期效果,破除了“以药补医”机制,但要解决群众看病就医难题,还需继续深化综合改革措施。

时间序列模型在月平均住院日预测中的应用及评价

目的:对某综合医院的月平均住院日建立时间序列模型,利用指数平滑法和ARIMA模型对其进行模拟评价及短期预测。方法:在某综合医院统计报表中提取2014年1月—2017年12月的月平均住院日,其中2014年1月—2017年6月的数据用于创建时间序列,利用SPSS20.0进行统计分析,分别采用指数平滑法和ARIMA对创建的时间序列拟合模型,评价模型效果,并对2017年7月—2017年12月的平均住院日进行预测,比较实际值与预测值间的符合程度。结果:指数平滑法模型:平稳的R方为0.814,表明拟合程度较好。白噪声序列的Ljung-Box检验无统计学意义(Q18=18.730,P=0.226)。模型参数估计中平滑参数Alpha的估计值为0.200,且参数检验结果有统计学意义(T=2.106,P=0.042)。ARIMA模型:平稳的R方为0.361,Ljung-Box检验无统计学意义(Q18=15.215,P=0.580)。AR的参数检验有统计学意义(T=-4.652,P<0.001),为-0.654。两模型实际值与预测值间的相对误差绝对值均小于5%。结论:指数平滑模型比ARIMA拟合及预测效果更好,是某综合医院月平均住院日的首选预测模型,为医院管理决策提供科学依据。

领导能力及其形成途径

一、领导者的能力素质领导者在指引和影响个人、团体或组织实现某种目标过程中,主要不是依靠个人的知识和专长服务于组织,而是借助于他人的知识和个人职权,来组织和动员群众完成任务。领导者要借助于部属的智慧和力量来完成任务,必须具有一定的技术能力、管理能力及决策能...

指数平滑法在某院泌尿外科出院量及手术量预测中的应用

目的基于指数平滑法,对某院泌尿外科出院量及手术量进行拟合评价及预测。方法提取某院泌尿外科2016年1月1日-2019年12月31日的出院量及手术量,其中2016年1月-2019年6月的出院量及手术量分别用于建立模型,采用指数平滑法对其进行拟合及评价。统计软件为SPSS20.0。对2019年7~12月的数据进行短期预测,比较实际值与预测值间的差异,评价其预测效果。结果(1)出院量:整体呈上升趋势,且有明显的季节特征。统计模型为季节性指数平滑模型中的Winters可加性模型。该模型平稳的R方为0.712,MAPE(Mean Absolute Percentage Error)为7.383%,Normalized BIC为7.579,Ljung-Box检验无统计学意义(Q 18=21.885,P>0.05),可认为该残差序列为白噪声序列。残差的ACF和PACF图显示为平稳序列。模型参数估计中平滑参数Alpha(Level)检验结果显示有统计学意义(t=2.620,P<0.05),估计值为0.308。各月实际值与预测值间的平均相对误差绝对值为6.28%。(2)手术量:序列有明显的季节特征。季节性指数平滑模型中的简单季节为最优模型。平稳的R方为0.689,MAPE为11.198%,Normalized BIC为8.395%,Ljung-Box检验无统计学意义(Q 18=12.500,P>0.05)。模型参数估计中平滑参数Alpha(Level)估计值为0.500,参数检验结果显示有统计学意义(t=3.434,P<0.05)。各月实际值与预测值间的平均相对误差绝对值为8.37%。结论指数平滑法适用于某院泌尿外科出院量及手术量的预测,可为该科医疗资源管理提供科学依据。

多水平模型在患者住院费用影响因素分析中的应用

目的探讨某院患者住院费用的影响因素。方法利用某院2018年1月1日-2018年12月31日住院病案首页共97 462份,选取住院费用、住院天数、是否手术、手术级别、出院科室、病例分型、年龄、性别字段,应用多水平模型分析影响住院费用的因素。结果某院患者住院费用中位数为10 992.73元,住院天数中位数为6天,影响患者住院费用的主要因素有住院天数(T=11.449,P<0.001)、病例分型(P<0.001)、出院科室(Wald Z=3.909,P<0.001)等。结论住院天数是影响患者住院费用的最主要因素,其次为病例分型。医院在考虑患者疾病严重程度等前提下,应着力于缩短平均住院天数,合理利用卫生资源,减少患者经济负担,实现医院和患者的利益最大化。

某院2014年-2018年院前死亡病例根本死因分析

目的探讨某院院前死亡病例的年龄、性别和根本死因等分布特征,为疾病预防提供依据。方法提取某院2014年-2018年上报人口死亡信息登记管理系统的院前死亡病例共806例,进行年龄、性别和根本死因统计,采用?2检验比较院前死亡与院内死亡病例2组间各疾病类别构成的差异性。结果在院前死亡病例中,0岁~9岁的病例58.99%死于起源于围生期的某些疾病,50岁以上的病例51.20%死于循环系统疾病。男女性别比为1.55:1。院前死亡病例中排位前3的疾病分别为循环系统疾病、呼吸系统疾病与肿瘤。院前死亡与院内死亡间循环系统疾病占比、肿瘤占比的差异性检验均具有统计学意义。结论循环系统疾病、呼吸系统疾病与肿瘤是院前死亡病例的主要根本死因,应普及相应的健康教育及防治措施。