RBRVS的兴起与发展对我国社会医疗保险支付的政策启示

RBRVS具有控制医疗卫生费用过快上涨、以富有激励性的医师费支付消除医务人员行为扭曲的作用,其核心功能与我国当前医改面临的问题十分契合。本文从宏观政策视角对RBRVS展开研究,回顾了RBRVS的兴起背景、发展历程、应用优势及其支撑条件。在对我国学术研究和实践探索展开系统性分析的基础上,明晰当前RBRVS在应用中面临未引起卫生政策制订者的足够重视、对RBRVS的激励相容导向关注不足、运行RBRVS的支撑体系薄弱、缺少基于宏观考量的医务人员薪酬支付体系规划等主要问题,据此提出借鉴RBRVS关于医疗保险支付制度的设计精髄、运用医保支付激励达成卫生政策目标、逐步引入按质量付费导向的支付方式、规划契合我国诊疗服务模式的医师费支付方式以及系统评估将其引入社会医疗保险支付的可行性等对策与建议,旨在为推进我国社会医疗保险支付改革提供参考。

中外学者对RBRVS研究角度差异及对我国卫生政策的启示

目的:通过对1979—2018年中外文期刊中有关RBRVS论文进行分析、比较,以期为我国进一步探索RBRVS提供参考。方法:采用CiteSpace对中外期刊刊载的有关RBRVS论文进行分析,并对相关结果进行比较。结果:RBRVS年度论文数量方面,国外期刊经历了1988—1997年约10年间的快速增长后,呈现逐步下降态势,国内则自2010年以来呈现爆发式增长态势;国内与国外学者对RBRVS的关注热点存在明显差异:前者偏重微观医院的绩效与薪酬管理,后者则偏重宏观医疗保险医师费的支付。讨论:一是对RBRVS社会医疗保险医师费的政策工具功能的关注有待强化,二是需要探究公立医院热衷RBRVS的表层与深层动因,三是要对微观主体先行引入RBRVS对宏观卫生政策目标的积极与消极影响进行分析。

无缝管高速冷轧三维有限元热力耦合分析

提高无缝管轧制速度是增大冷轧效率的重要手段,轧制速度的提高对冷轧成形过程产生巨大影响,传统的经验公式已不能满足现代轧机设计和工艺的需求,须借助现代数值分析方法对冷轧无缝管成形过程进行多维度分析。以高速LG60冷轧管机为例,借助三维有限元商用软件建立了皮尔格冷轧成形过程三维模型,对无缝管冷轧变形区的完整成形过程进行了全过程仿真。得到了不稳定轧制阶段轧制力能参数、应力、应变和温度场的分布规律,同时考察了轧制速度、送进量等关键因素对轧制过程的影响,为高速冷轧管机的设计和控制提供了重要依据。

大尺寸氧化铝陶瓷导轨超精研抛工艺研究

为了提高氧化铝陶瓷导轨超精密研抛加工的工作效率,分析了研抛压力、研抛速度以及磨料添加间隔等工艺参数与研磨抛光效率的关系。首先,根据氧化铝陶瓷导轨的特性及物理参数,确定研磨抛光盘以及磨料的选型。然后以高精度平面平晶作为检测工具,平晶与导轨表面形成干涉条纹,利用条纹的数量定量表征研抛效果。最终得到氧化铝陶瓷导轨的最佳工艺参数:每个研抛压力应该控制在40 N;研抛线速度为45 m/min;研磨剂的添加时间为30 min。在同等时间内,应用此套工艺参数可以达到更高的面型精度。

基于卷积神经网络的电路板元器件分类算法

为了实现电路板板载元器件的非接触及快速准确识别,提出了一种基于卷积神经网络的电路板元器件分类算法(C-CNN)。将工业相机拍摄的电路板图像进行直方图均衡化,减少光照不均产生的影响。提取监督样本用于训练卷积神经网络,并创建分类模型。将待测图像输入深度卷积神经网络进行特征提取,并利用分类模型对电路板元器件进行识别。利用实际拍摄的电路板板载元器件图像数据集验证文章提出的算法,实验结果表明:C-CNN能够对元器件进行识别,并且性能优于支持向量机及深度神经网络算法。

恩度联合多西他赛、顺铂治疗肺癌患者的效果及其不良反应发生情况分析

目的探讨肺癌患者经恩度联合多西他赛、顺铂治疗的效果及不良反应发生情况。方法随机选取该院2014年1月—2015年12月收治的肺癌患者76例,依据治疗方案的不同分为两组,39例予以多西他赛联合顺铂治疗者为对照组,37例予以恩度联合多西他赛及顺铂治疗者为实验组,回顾性对比分析两组疗效及安全性。结果实验组临床受益率为91.89%,较对照组的69.23%高,且实验组两年生存率83.78%,较对照组53.85%高,差异有统计学意义(χ~2=4.206、4.540;P=0.040、0.033);两组不良反应发生率对比差异无统计学意义(P>0.05)。结论通过恩度联合多西他赛与顺铂治疗肺癌可提升临床受益率,降低TPS、CEA水平,延长患者生存期限,且药物不良反应不会增加,值得选用。

不同种植密度对韭菜久星19号F_1产量的影响

合理密植是韭菜高产的关键。本文采用直播、育苗移栽2种种植方式,不同的种植方式采用不同的播量,以探索久星19号F_1韭菜新品种的最佳种植密度。结果表明,若采用直播方式,以播幅10 cm、播量60 kg/hm^2的处理产量、经济性状较好;若采用育苗移栽的方式,则以基本苗600万株/hm^2的处理为宜。

HSP70基因多态性与重症肺炎临床转归的关系

目的研究热休克蛋白70(HSP70)基因多态性与重症肺炎(SP)临床转归的关系。方法以2016年1月-2020年7月江南大学附属医院103例SP患者为样本,检测外周血C-反应蛋白(CRP)、降钙素原(PCT)、血乳酸(Lac)和HSP70表达水平,同时分析HSP70-1+190 G/C、HSP70-2+1267A/G和HSP70-hom+2437T/C位点基因多态性,所有患者均给予抗感染、补液和营养支持等对症治疗,2周后评估治疗效果并根据结果将患者分为好转组68例和恶化组35例,比较两组临床资料和各项指标。结果恶化组SP患者年龄高于好转组(P<0.05),两组性别、体质量指数(BMI)、基础疾病和烟酒史比较,无统计学差异;恶化组SP患者HSP70表达水平低于好转组,CRP、PCT和Lac水平高于好转组,差异有统计学意义(P<0.05);恶化组SP患者HSP70-2+1267A/G位点等位基因A分布频率高于好转组(P<0.05),两组HSP70-1+190G/C和HSP70-hom+2437T/C位点基因型和等位基因分布频率比较,均无统计学差异;HSP70-2+1267A/G位点AA基因型患者CRP、PCT、Lac和HSP70表达水平高于AG型和GG型(P<0.05),两组HSP70-1+190G/C和HSP70-hom+2437T/C位点不同基因型患者CRP、PCT、Lac以及HSP70表达水平比较,无统计学差异。结论HSP70-2+1267A/G位点基因多态性和表达水平与SP患者炎症状态和临床转归存在密切联系,检测HSP70基因类型对评估疾病风险和指导治疗具有一定参考价值。

基于多特征图像增强深度卷积神经网络的航天用电子元器件分类算法

为了实现航天用电子元器件的全自动及非接触识别,并减少由照明系统造成的图像亮度不均、偏色等问题对检测结果的影响,通过结合局部、区域和总体三个层次特征提升物体检测精度,提出了一种基于多特征图像增强深度卷积神经网络(MFIE-DCNN)的航天用电子元器件分类算法。MFIE-DCNN算法包含多特征学习和深度学习,其学习过程类似于人类视觉系统,能够对形状、方向和颜色特征进行深度挖掘,突出元器件边界信息,抑制背景杂波干扰。实验结果表明,该算法能够区分电路板板载元器件的种类,检测准确度优于传统算法。对比基于稀疏自动编码器的深度神经网络,检测结果提高了近20%。

Research on Magnetic Floating Horizontal Continuous Casting Process (MFCC) for Nearly Net-Shape Molten Metal Afterheat Billet

The molten metal is drawn to the alternating magnetic field composed of a 10~30KHz power supply and a non-magnetizer coil,where the molten metal will float(for the sheet/strip billet) or float and be restrained(for the section bar billet) because of electromagnetic induction.During continuous movement the molten metal is appropriately cooled to keep the afterheat with the upper limited temperature of the hot working and then enters the processing machine,where it is rolled and continuously pressed into materials like the electronic component(for example,the radiator),or enters the program-controlled casting line(at which the metal semisolid slurry is replaced) for the purpose of the casting of mechanical part billets(such as billets for gears and internal and external rings of bearings).The effect of energy saving and income increase is remarkable.