基于挫折攻击理论的急诊工作场所暴力成因分析及预防对策探讨

我国急诊科工作场所暴力发生率高、持续存在、防范难度大,对医务人员造成严重的伤害。为解决这一问题,基于挫折攻击理论,探究患者遭遇医源性挫折后发动攻击的心理动因,发现医源性挫折来源、受挫患方的特征、急诊硬环境刺激、社会情境是引发急诊科工作场所暴力的重要原因。因此,建议医疗机构从医疗风险沟通、医方人文关怀、暴力高风险人群管理、急诊环境的基础设施、维权渠道、媒体报道入手,利用多元化措施预防和治理急诊科工作场所暴力,从而缓解医患矛盾。

我国互联网医疗政策文本分析

应用文本分析方法,阐述我国互联网医疗政策发展各阶段的政策特征和演变规律,分析存在问题,提出建议,包括加强互联网医疗政策与卫生健康政策联动、完善互联网医疗医保支付政策、强化互联网医疗质量监管体系建设。

基于R语言的ARIMA模型在医院平均住院日预测中的应用

目的建立差分自回归滑动平均模型(ARIMA),预测江苏省某三甲医院的平均住院日,为医院医疗资源的配置提供科学参考。方法以江苏省某三甲医院2013年1月至2021年6月全院平均住院日数据为基线,利用R软件构建ARIMA模型,对2021年7月至2022年5月11个月的全院平均住院日进行预测,并与实际值进行对比,评价ARIMA模型的预测效果。结果该医院的平均住院日自2013年1月起逐年呈现下降趋势,并且具有一定的季节特征。拟合最佳的ARIMA模型为ARIMA(0,1,1)(0,1,1)_(12),其平均相对误差MAPE为1.78%,均方根误差RMSE为0.24。ARIMA模型的预测中,RMSE为1.49,MAPE为7.78%,预测结果较为理想。结论应用ARIMA模型对该院的平均住院日预测效果较好,可用于该院平均住院日的短期预测。

SARIMA模型和BPNN模型在江苏省肺结核发病预测中的应用

目的探讨季节性差分自回归滑动平均(seasonal auto regressive integrated moving average,SARIMA)模型与反向传播神经网络(back propagation neural network,BPNN)模型在江苏省结核病发病数中的应用,评价两种模型的精确性,为江苏省制定肺结核防控策略提供参考。方法本研究以江苏省2011—2020年肺结核发病数据分别建立SARIMA模型和BPNN模型,以2021年1月—2022年6月的实际肺结核发病数进行检验,比较两种模型的预测精度和建模效果。结果SARIMA模型的均方根误差(root mean squared error,RMSE)、平均绝对误差(mean absolute error,MAE)、平均绝对百分比误差(mean absolute percentage error,MAPE)、总体相对误差值以及最小误差率分别为192、128、5.18%、0.05%、1.14%,BPNN模型的RMSE、MAE、MAPE、总体相对误差值以及最小误差率分别为301、246、11.03%、2.79%、1.44%,均高于SARIMA模型。SARIMA模型的拟合值和预测值明显更接近于实际值,预测效果更好。结论SARIMA能较好地拟合和预测江苏省肺结核病每月的发病率,可为该病的监测和防控工作提供依据。

ARIMA和ARIMA-SVM组合模型在江苏省艾滋病发病预测中的应用

目的建立差分自回归滑动平均求和(autoregressive integrated moving average,ARIMA)模型,在此基础之上引入支持向量机(support vector machine SVM)方法,构建ARIMA-SVM组合模型对江苏省2022年上半年艾滋病病例报告数进行预测,比较ARIMA以及ARIMA-SVM模型的的预测效果,为江苏省艾滋病防控提供科学参考。方法以江苏省2016年1月—2021年12月艾滋病病例报告数据为基线,利用R软件,构建ARIMA模型对2022年1—6月艾滋病病例报告数进行预测,并用SVM对ARIMA模型中的非线性特征进行预测,建立ARIMA-SVM模型,与实际病例报告数进行比较,评价两种模型的预测效果。结果江苏省2016年1月—2021年12月共登记艾滋病病例报告数9109例,月均发病127例。构建最佳的ARIMA模型的为ARIMA(0,0,1)(0,1,1)12,MAPE为53.27%.ARIMA-SVM模型的MAPE为14.67%,在相对误差上,除6月外,ARIMA-SVM组合模型各月的相对误差均低于ARIMA模型。结论与ARIMA模型相比,ARIMA-SVM模型的误差较小,预测效果更好。

SARIMA模型和Holt-Winters指数平滑法在江苏省肺结核发病数预测中的应用

目的 建立季节性差分自回归移动平均(SARIMA)模型和Holt-Winters指数平滑法,对江苏省结核病发病数进行预测,并评价两种方法的准确性,旨在为江苏省肺结核防控提供科学参考。方法 利用2016年1月至2020年12月江苏省肺结核发病数据分别建立SARIMA模型和Holt-Winters指数平滑法模型,以2021年1—12月肺结核发病数验证模型并用均方根误差(RMSE)、平均绝对误差(MAE)、平均绝对百分比误差(MAPE)评价两种模型的预测效果。结果 拟合最佳的SARIMA模型为(0,1,2)(0,1,0)12, RMSE为229.52, MAE为146.81, MAPE为6.33%,总的相对误差为5.21%。Holt-Winters相加模型的RMSE为206.75,MAE为156.45,MAPE为6.63%,总的相对误差为7.74%。结论 两种模型均能较好的拟合肺结核发病数,SARIMA模型预测效果更佳。