公立医院科室绩效方案改革对DIP患者住院费用影响——基于中断时间序列分析

目的 探讨医保按病种分值付费(Diagnosis-Intervention Packet,DIP)背景下公立医院科室绩效方案改革对DIP患者住院费用的影响,为优化公立医院科室绩效管理制度、降低DIP患者住院费用提供参考。方法 收集广东省某县级人民医院2020年7月—2023年7月DIP患者的住院费用数据,采用中断时间序列分析法描述例均住院费用变化趋势,分析该院科室绩效方案改革对DIP患者住院费用的影响。结果 医院科室绩效方案改革后,DIP患者总费用下降1 071.93元,并且每月继续下降116.39元。同时,科室绩效方案改革主要对居民医保DIP患者发挥作用,对职工医保DIP患者没有明显影响。结论 公立医院科室绩效方案改革明显降低了DIP患者的总费用及其分项费用,但是对不同险种DIP患者的影响不同。应进一步完善公立医院科室绩效管理机制,建立与医疗效能、医疗质量等相关的多维度绩效考核指标体系,因地制宜推动公立医院科室绩效方案改革,促进公立医院高质量发展。

基于中断时间序列分析的江苏省某三甲综合医院冠脉支架集中带量采购政策实施效果研究

目的:通过分析江苏省某三甲综合医院冠脉支架集中带量采购政策实施前后的冠脉支架使用情况,评估冠脉支架集中带量采购政策实施效果,为冠脉支架集中带量采购政策协议期满后接续采购的持续优化及完善提供建议。方法:提取2018年10月~2022年10月江苏省某三甲综合医院冠脉支架使用量数据,采用中断时间序列分析方法分析江苏省冠脉支架集中带量采购政策和国家组织冠脉支架集中带量采购政策对江苏省某三甲综合医院冠脉支架使用数量的影响,同时分析该院实施冠脉支架集中带量采购政策前后的进口和国产冠脉支架使用情况。结果:江苏省冠脉支架集中带量采购政策执行后,冠脉支架使用量呈显著上升趋势(β_(3)=4.62,P=0.017);国家组织冠脉支架集中带量采购政策执行后,冠脉支架使用量的水平变化和趋势变化均不显著。江苏省冠脉支架集中带量采购政策实施后,国产冠脉支架和进口冠脉支架使用量都呈不显著上升趋势(β_(3)=2.46,P=0.232;β_(3)=2.16,P=0.173);国家组织冠脉支架集中带量采购政策实施后,国产冠脉支架使用量无显著变化(β_(5)=-1.09,P=0.589),进口冠脉支架使用量瞬间下降(β_(4)=-46.6,P=0.018),随后呈上升趋势,但变化不显著(β_(5)=0.16,P=0.919)。结论:该院总体上冠脉支架集中带量采购政策实施效果良好,江苏省冠脉支架集中带量采购政策实施后增加了该院冠脉支架使用量;国家组织冠脉支架集中带量采购政策促使该院冠脉支架使用量稳中有涨,其中国产冠脉支架整体呈上升趋势,进口冠脉支架使用量整体下降。后续国家冠脉支架集中带量采购政策建议探索多元化的分配方式,合理分配国产冠脉支架和进口冠脉支架中选品种,规范冠脉支架合理使用。

日间手术管理对平均住院日及住院费用的影响——基于中断时间序列分析

为评估日间手术管理对平均住院日和住院费用的影响,选取医院开展日间手术量最多的6个病种,采用中断时间序列分析2017年1月—2022年12月日间手术管理前后各病种平均住院日、住院次均费用的变化趋势。结果显示,开展日间手术管理后老年性白内障、子宫内膜息肉、包茎/包皮过长、腺样体肥大、单侧腹股沟斜疝、取骨折固定装置的月平均住院日分别缩短1.238、1.797、1.133、1.436、0.881、1.607d(P<0.05);除老年性白内障和腺样体肥大外,其余病种月平均住院日均呈逐月下降趋势(P<0.05);子宫内膜息肉、腺样体肥大住院次均费用下降992.805元和1863.056元(P<0.05),包茎/包皮过长、腺样体肥大、单侧腹股沟斜疝住院次均费用平均逐月下降30.848元、106.826元、42.506元(P<0.05)。本研究显示开展日间手术管理有助于缩短平均住院日,降低住院费用,进而提高医院资源利用率,减轻患者的疾病负担。

DRG支付对急性胰腺炎患者住院费用影响分析——基于中断时间序列模型研究

目的:本研究选取浙江省某三甲医院2019年至2021年的急性胰腺炎患者结算数据,评估DRG改革前后患者住院费用的变化,旨在为政策的持续优化提供实证依据。方法:采用中断时间序列模型分析政策执行前后住院费用变化趋势,并通过Spearman相关分析探讨住院总费用与各构成部分费用的关联度。结果:分析显示,改革前住院总费用每月上升1639.3元(P<0.001),改革后每月下降1924.1元(P<0.001),药品费和医疗服务费每月分别下降910.0元和480.3元(P<0.001)。改革后,医疗服务费与住院总费用的相关性最强(r=0.941,P<0.001)。结论:研究发现,随着DRG改革实施,样本医院急性胰腺炎患者的住院费用逐年下降,表明改革效果显著。医疗机构通过加强药品和耗材管控及规范医疗行为,有效体现了政策要求。为进一步提升DRG政策的调控作用,建议调整医疗服务价格以激励医务人员,同时建立动态调整机制,优化DRG分组方案,确保政策更好地适应临床需求和医疗实践。

应用中断时间序列分析评价医院等级评审对医务人员手卫生依从性的影响

目的应用中断时间序列分析模型,评价综合干预措施对医务人员手卫生依从性的影响。方法选取某三级医院全部临床和医技科室的工作人员为研究对象,在三级医院等级评审迎检筹备期间,实施培训、调查、竞赛等多种形式的手卫生综合干预措施。收集干预前后手卫生依从性监测数据,应用中断时间序列方法进行模型构建,评价干预的即刻效果和远期效果。结果医务人员手卫生依从率由干预前的67.58%提升至干预后的81.43%。中断时间序列分析结果显示,干预实施后总体医务人员的手卫生依从率即刻提升19.717%(t=5.473,P<0.001);但其斜率改变量为-1.995(t=-2.249,P=0.048),提示干预实施后手卫生依从率的下降趋势扩大;干预对不同岗位工作人员均有即刻提升效果,以医生群体提升幅度最大;对不同岗位工作人员的斜率改变量均为负值,以护士群体的改变量绝对值最小。结论综合干预措施可以有效提升医务人员手卫生依从性,但其远期效果不甚理想。中断时间序列模型可有效用于手卫生依从性监测数据的分析。

基于中断时间序列分析评估河南省新冠病毒感染疫情防控对手足口病流行趋势的影响

目的:使用中断时间序列分析方法评估河南省新冠病毒感染疫情防控对手足口病流行趋势的影响。方法:从河南省卫生健康委员会法定报告传染病系统中收集2013年1月至2022年9月手足口病发病数据。用河南省2013年1月至2019年6月手足口病发病数据构建ARIMA预测模型,用2019年7月至2019年12月数据验证模型的预测效果。以该模型预测的2020年1月至2022年9月(疫情防控期间)手足口病发病数据为预测值,同期报告数据为真实值,采用阶跃变化、脉冲变化两种评价方法,分析疫情防控对手足口病发病的影响。结果:ARIMA(0,1,1)(0,1,1)12模型的MA1=0.43(t=3.14,P<0.001),SMA1=-0.62(t=6.94,P<0.001);根据AIC、AICC和BIC最小,LL最大,确定其为最优模型。该模型的预测值与真实值的平均相对误差为10.20%。疫情防控期间估计的手足口病发病数阶跃变化为-3471(95%CI为-11794~4852)例,估计的脉冲变化为每月9210(95%CI为3153~15268)例。结论:新冠病毒感染疫情防控降低了河南省手足口病发病水平。

中断时间序列的研究设计及其在护理中的应用

目前护理学科在研究设计中常选用的方法有限,存在一定局限。中断时间序列的设计可避免干预介入前研究随时间变化的趋势影响,使干预效果的评价更具科学性,但在护理领域尚未推广应用。本文旨在阐述中断时间序列的设计方法及在护理研究中的应用,有助于为促进护理实践的转化提供新的方法学依据。

中断时间序列分析在基本医疗保险支付方式改革效果评估中的应用研究

目的评估基本医疗保险支付方式改革在控费、规范医疗行为和缓解患者负担方面的效果,为完善支付方式改革提供参考。方法采用中断时间序列分析支付方式改革前后当天再入院率、次均住院费用和自付比例的变化,采用利益相关者定性访谈深入了解变化可能的原因和改革建议。结果参保患者次均住院费用、自付比例改革初期有显著下降,后呈上升趋势,住院人次增幅减缓、当天再入院率降幅减缓。中断时间序列分析结果显示,支付方式改革后参保患者住院总人次增长速度由原来的600人次/月下降为20人次/月;当天再入院率在改革后短期内上升0.237%,但长期呈下降趋势,下降速度由改革前的0.014%/月变为0.003%/月。在改革后短期内,参保患者次均住院费用下降786.360元,自付比例下降2.089%。结论长沙市城镇职工基本医疗保险支付方式改革初期,控费、缓解患者就医负担的效果明显,但需要加强远期的监管,尤其是对于分解住院和患者负担的控制。

一种大尺度区域GNSS坐标时间序列自适应时空滤波方法

提出一种GNSS坐标时间序列自适应时空滤波方法,在规定阈值下将滤波区域自适应分为若干个子区域,进行共模误差的提取和去除。对陆态网184个GNSS站点垂向坐标序列进行时空滤波,3组随机实验中,自适应PCA时空滤波后的站点序列平均RMS值减少约39.7%、38.4%和39.7%,且优于整体PCA滤波。进一步分析滤波前后站点噪声特性变化,结果显示,相比于整体PCA滤波,自适应滤波方法中站点残差序列幂律噪声减少约17.8%。

基于中断时间序列模型的危急值闭环管理干预效果研究

目的 评价运用PDCA循环开展危急值闭环管理对危急值抢救率的影响,保障患者医疗安全。方法 分别收集案例医院2020年1月—2022年12月的危急值管理数据,采用中断时间序列分析方法,对系统升级和公布《医疗管理月报》措施带给危急值抢救率的影响进行分析。结果 进行PDCA循环管理后,危急值抢救率有明显改变,危急值抢救完成率较系统升级前上升25.95个百分点,较公布《医疗管理月报》前上升53.62个百分点。公布《医疗管理月报》带来的瞬时变化斜率为20.76 (P=0.001),公布《医疗管理月报》使危急值抢救斜率变为2.08 (P=0.281),表明公布《医疗管理月报》使危急值抢救率连续上升的趋势得以扭转。结论 通过分析危急值管理数据,进行PDCA循环管理后,提高了患者危急值的抢救完成率,实现了危急值闭环管理,有效保障了患者安全。

基于中断时间序列分析的取消耗材加成对患者住院费用影响研究

目的探讨取消耗材加成对患者住院费用的影响,为建立灵敏有序的价格动态调整机制,进一步减轻患者就医负担提供依据。方法收集某三级甲等医院2018年1月—2022年7月有效出院患者的住院费用,采用单组中断时间序列分析(interrupted time series analysis,ITSA)法描述数据变化趋势,分析政策对住院费用的影响。结果取消耗材加成之后,患者例均住院费用每月减少约114.46元,例均药费呈下降趋势,例均耗材费用和医疗技术费用无明显变化,例均检验检查费用上升趋势减缓。结论取消耗材加成有助于减轻患者整体就医负担,医院应坚持患者安全为核心的耗材管理,通过价格调整等手段优化医疗收入结构,同时政府加强政策引导,建立多渠道医疗服务补偿机制,满足医院和患者需要。

基于时间序列相似性与机器学习方法的页岩气井产量预测

页岩气井单变量产量预测存在较强的不确定性,而现场生产动态数据同时包括多个相关指标,针对如何选取合理的多变量数据对页岩气井产量进行预测,在保证计算效率的情况下提高预测精度。页岩气井的生产动态数据集包括日产气量、日产水量、套压、油压、油嘴直径、开井时间和温度等,采用欧式距离和动态时间弯曲距离对生产动态数据时间序列进行相似性度量,依据与日产气量的相关度,把数据分为强相关时间序列和弱相关时间序列;其次,基于卷积神经网络、循环神经网络、长短期记忆网络和门控神经网络分别对全时间序列、强相关序列、弱相关序列和单变量序列进行页岩气井产量预测;最后,以平均绝对误差、均方根误差和决定系数作为评价指标,得到不同序列的误差由小到大排序为强相关序列、全时间序列、弱相关序列、单变量序列,优选的机器学习方法为门控神经网络和长短期记忆网络。结果表明,采用机器学习方法结合页岩气井强相关性序列(日产气量、套压、油压、日产水量)能有效降低预测误差,提高页岩气井产量预测效果。

一种基于线性模糊信息粒的时间序列预测算法

[目的]由于经济、金融、环境和生态等多个领域中时间序列数据规模的持续增长,对其进行预测变得日益复杂,为了提高大规模时间序列的长期预测效率,探索构建模糊信息粒的创新方法,以准确反映数据集大小和趋势信息.[方法]首先,根据模糊拓展原理,研究各种模糊信息粒,包括区间型、三角型和高斯型模糊信息粒的距离定义.随后,结合时间序列片段的中心线段和离散程度信息,引入一类新颖的模糊信息粒.这些粒子可以有效捕捉指定时间范围内时间序列的趋势信息和离散程度,进一步地提出高斯型模糊信息粒距离的函数表达式和几何解释.为了将这些粒子用于时间序列预测,设计一类模糊推理预测系统,该系统可以利用历史数据构造模糊信息粒,并从高斯型模糊信息粒序列中提取模糊推理规则.[结果]高斯型模糊信息粒距离的函数表达式具有简洁的数学表示,可以合理地反映两个高斯模糊信息粒的中心线和离散程度的差异.模糊推理预测系统可以从高斯型模糊信息粒序列中提取有效的规则,实现时间序列的长期预测.实验结果表明,结合线性高斯模糊信息粒与模糊推理系统的预测方法在均方根误差和平均绝对百分比误差方面优于其他数值预测算法和其他模糊信息粒推理方法,包括自回归模型、自回归神经网络和回归向量机等.[结论]结合线性模糊信息粒和模糊推理系统的方法可以提高时间序列长期预测的效率.基于对数据集特征的合理抽象提出了一种新颖的线性模糊信息粒,并简洁地推导出了它们的距离定义.时间序列预测的成功表明,通过巧妙地设计信息粒,能够准确捕捉数据集中的关键特征,从而提高其他数据挖掘任务的效率,例如更快的计算速度和更准确的结果.

海底节点同步源高效混叠采集随机延迟时间序列分布原则研究

近年来,海底节点(OBN)同步震源高效采集方法的研究成为地震勘探领域的热点之一。陆地可控震源数据分离激发参数的选择有时间延迟、相位、扫描长度等3种编码方式。但是,由于海上空气枪激发的特点,相位和扫描长度编码适用性差。只能采用时间延迟编码方式。海上混叠采集时间延迟序列的编码是影响数据分离效果的最关键因素之一。提出了一种基于正态分布约束的均匀随机时间分布定量编码准则,通过目标函数约束构建最优时间序列,并对比分析了实际自然随机激发时间和其它2种理论模拟的随机时间分布方式在共检波点域的分布特征。利用频率波数波数(FKK)域迭代反演方法进行混叠数据分离,单炮模拟测试结果表明,构建的最优时间序列比其它3种分布方式更能有效地分离混叠地震数据。海上三维工区高效混叠采集试验结果表明,根据最优准则构建的延迟时间序列,能够取得较好的数据分离效果。该研究结果为后续野外混叠采集的延迟激发时间设计提供了技术支持。

时间序列异常检测方法研究综述

时间序列是按时间顺序排列的一组数据点或观测值,在金融学、气象学和股票市场分析等领域中被广泛应用。时间序列数据出现异常可能意味着出现潜在问题、异常事件或系统故障。为了便于未来在时间序列异常检测方法设计方面开展深入研究,本文首先介绍时间序列异常检测的相关概念;其次,展开分析国内外单变量和多变量时间序列异常检测方法;之后,介绍一些时间序列异常检测通用数据集并比较常见检测方法在这些数据集上的性能;最后,探讨未来时间序列异常检测方法设计的重点研究方向,以期对相关理论和应用研究提供参考。

基于在线监测时间序列数据的水质预测模型研究进展

当前地表水突发性污染事件频发,已造成严重的环境和社会影响,对环境监管部门应急处置能力建设提出了新要求和新挑战。地表水水质在线监测数据具有高频率和高时效等特点,系统论述了基于在线监测时间序列数据的水质预测模型的研究现状和进展,包括数据软测量、预处理方法和水质预测模型等,分析了不同水质预测模型在应用过程中存在的问题,并对未来研究方向进行了展望,以期为水质预测预警和环境监管提供技术支持和方法参考。

增强局部注意力的时间序列分类方法

现有时间序列分类方法普遍基于一种循环网络结构解决时间序列点值耦合问题,无法并行计算,导致计算资源浪费,因此提出一种增强局部注意力的时间序列分类方法。该方法拟合混合距离信息以增加时间序列位置感知能力,将混合距离信息融入自注意矩阵计算中,从而扩展自注意力机制;构造多尺度卷积注意力获取多尺度局部前向信息,以解决标准自注意力机制基于点值计算存在注意力混淆的问题;使用改进后的自注意力机制构造时序自注意分类模块,并行计算处理时间序列分类任务。实验结果表明,与现有时间序列分类方法相比,基于局部注意力增强的时间序列分类方法能够加速收敛,有效提高时序序列分类效果。

一种改进聚类算法的时间序列异常检测方法

时间序列异常检测被广泛应用于民航领域,对飞机快速存取记录器收集的时间序列数据进行异常检测为识别降低安全裕度的事件提供了有力手段。为了提高时间序列异常检测的准确率,提出一种基于改进聚类算法的时间序列异常检测方法。将K-Medoids聚类算法的欧氏距离度量方法替换为动态时间规整距离度量方法,根据样本点与中心点之间的距离判定异常,研究通过飞机飞行参数超限检测测试时间序列异常检测方法的有效性。实验结果表明,与传统聚类算法相比该方法的异常检测准确率和F1分数更高。聚类算法使用动态时间规整度量距离优化了时间序列相似性度量的精度,可以对形态特点相似的时间序列数据更好地聚类,提高了聚类算法的准确性。

一种基于时间序列分解和时空信息提取的云服务器异常检测模型

异常检测是维护云数据中心性能的一项重要任务。云数据中心中运行着大量的云服务器以实现各种云计算功能。由于云数据中心的性能取决于云服务的正常运行,因此检测和分析云服务器中的异常至关重要。为此,该文提出一种基于时间序列分解和时空信息提取的云服务器异常检测模型。首先,提出带时空信息提取模块的双向Wasserstein生成对抗网络算法(BiWGAN-GTN),该算法在具有梯度惩罚的双向Wasserstein生成对抗网络(BiWGAN-GP)算法的基础上,将生成器与编码器替换为由图卷积网络(GCN)与时间卷积网络(TCN)组成的时空信息提取模块(GTN),实现对数据空时信息的提取;其次,提出半监督BiWGAN-GTN算法来识别多维时间序列中的异常,以在训练过程中避免异常数据侵入的风险并增强模型鲁棒性。最后设计多通道BiWGAN-GTN算法-MCBiWGAN-GTN以实现降低数据复杂度并提升模型学习效率的目标。利用带有自适应噪声完全集合经验模态分解(CEEMDAN)算法将时序数据分解,然后将不同的分量送入对应通道下的BiWGAN-GTN算法中训练。在真实世界云数据中心数据集Clearwater和MBD上采用精确率、召回率和F1分数这3个性能指标验证了该文所提模型的有效性。实验结果表明,MCBiWGAN-GTN在这两个数据集上的性能稳定并优于所比较的方法。

双向长短期记忆网络的时间序列预测方法

时间序列预测即利用历史时间序列数据,预测未来一段时间内的数据信息,以便提前制定相应策略。目前,时间序列的类别复杂繁多,而现有的时间序列预测模型面对多种类型数据时无法取得稳定预测的结果,进而难以同时满足对现实中多种复杂的时序数据预测的应用需求。针对上述问题,提出了一种基于时间注意力机制双向长短期记忆网络的时间序列预测方法。笔者提出的网络模型采用改进的正向和反向传播机制提取时序信息并通过自适应权重分配策略推理未来的时序信息。具体来说,设计了一个改进的双向长短期记忆网络,通过结合双向长短期记忆和长短期记忆网络提取深度时间序列特征,挖掘上下文的时序依赖关系。在此基础上,融合所提出的时间注意力机制,实现对深度时间序列特征进行自适应加权,提升深度时序特征的显著性表达能力。通过与同类代表性方法在多个不同类别数据集上的客观定量对比,实验结果表明,该方法能够在多种类别的复杂时间序列数据上更优的预测性能。