湖南省中医医院医疗服务效率及预测研究

目的通过对2010-2015年投入与产出的分析,在效率分析基础上预测湖南省中医医院2016-2020年的投入与产出数量。方法收集2010-2015年湖南省中医医院的医疗服务相关数据,运用数据包络分析(DEA)中产出导向型的VRS-BCC模型,对投入与产出数据进行效率分析。根据效率分析结果,运用统计回归模型对2016-2020年的投入与产出数量进行预测。结果湖南省中医医院2010-2015年综合技术效率均为1,DEA有效。据此预测出2016-2020年投入与产出的具体数量均有所增长。结论湖南省中医医院政府投入不断增加,新医疗改革实施后医疗服务效率良好,建议从鼓励社会资本进入中医领域、注重中医药专业人才培养,发挥中医药特色优势等方面,促进湖南省中医医院不断发展。

面向癫痫脑电的简化深度学习模型

针对脑电信号随机性强、动态变化迅速等特点,提出了一种简化深度学习模型研究癫痫脑电识别问题。提出的模型以一维卷积神经网络为基础,在结构方面简化了卷积层、池化层等以提高模型效率,在整体框架方面应用了Keras框架,在训练优化算法方面采用RMSProp算法作为模型优化算法,通过预定义的目标函数来进行损失估计,模型设计上加入了批标准化层和全局均值池化层。基于所提模型,从三个方面研究了癫痫脑电识别问题,即:利用经验模态分解,分别选取前三阶、前五阶、前七阶、前八阶的本征模态函数分量,在简化模型上进行对比分析;利用提出模型所具备的深度学习特点,直接识别原始脑电信号而无须特征提取环节;增加了三种不同方法分别提取7类特征,对相同的脑电数据进行对比分析。性能分析结果表明:对于五类不同的脑电信号,前三阶的本征模态函数分量的识别率达到92.1%,比其他几种处理方式识别率高;前八阶的本征模态分量识别率不及原始信号,表明人工数据处理时会给数据带来噪声;所提出的简化深度学习模型能高效处理癫痫脑电识别问题,具备较高效率和较好性能。

湖南省乡镇卫生院2008-2014年卫生服务效率分析

目的:分析湖南省乡镇卫生院的投入与产出,在技术效率和规模效率的基础上评估纯技术效率,对可能产生的问题提出解决办法。方法:收集2008-2014年湖南省乡镇卫生院卫生服务的相关数据,采用数据包络分析中的BCC模型结论对数据进行分析与测算。结果:除2010年(0.919)与2011年(0.964)外,湖南省乡镇卫生院各年综合技术效率均为1。结论:新医改及基本药物等制度的实施、卫生技术人员的缺乏对乡镇卫生院的卫生服务效率产生影响,建议通过调整功能定位、创新人才引进机制、创新发展模式等促进乡镇卫生院长远发展。