2018—2021年新疆某三级甲等医院急诊量变化趋势分析

目的 分析新疆某三级甲等医院近4年急诊量的变化趋势,为加强医院管理,优化就诊流程,提高急诊科服务质量提供数据支持。方法 回顾性分析该院急诊科2018年1月1日至2021年12月31日就诊资料完整的243 218例患者信息,采用时间序列季节指数分析法,反映不同周期急诊科就诊人数的变化趋势。结果 急诊就诊量存在一定周期性变化,4年间,急诊科共收治患者243 218例,急诊量总体呈上升趋势,其中男性患者(52.0%)多于女性患者(48.0%)。急诊就诊高峰月为4月、5月、6月、7月、9月和10月,其中5月就诊人数最多;就诊低谷期为1月、2月和3月,2月就诊人数最少。第三季度为高峰期,第一季度为低谷期。星期一、星期二、星期六以及星期日为就诊高峰期,最高峰为星期日;星期三、星期四和星期五为就诊低谷期,最低谷期为星期五。12—14时为日间高峰期,22—24时为夜间高峰期。结论 该院急诊科就诊人数存在一定的季节性变化,对科学调配急诊科医护人员、优化就诊流程以及提高医疗护理管理质量具有一定的参考作用。

组合预测法在门急诊量预测中的应用

目的为充分发挥单个预测模型的优点,建立优化组合预测模型。方法以1990—2000年我院门急诊量作为原始数据建立单个模型,按“误差平方和最小”原则,将GM(1,1)模型和折扣最小二乘法模型优化组合成一新模型,并对三者的预测结果进行比较分析。结果GM(1,1)模型、折扣最小二乘法模型、组合预测模型的误差平方和分别为92.26,317.77,61.13。结论组合预测模型优于单个预测模型,适于统计预测。

兰州市空气污染对居民呼吸系统疾病急诊量的影响

目的探讨兰州市空气污染对不同年龄居民呼吸系统疾病急诊就诊人次影响以及季节性变化,为兰州市呼吸系统疾病的早期预防提供科学依据。方法收集2013年1月1日至2017年12月31日间兰州市3家甲等医院呼吸系统疾病每日急诊量数据,以及同时间段兰州市大气污染物数据和气象数据。采用广义相加模型控制时间的长期趋势、气象因素、“星期几”效应等混杂因素的影响后,定量分析空气污染物和居民呼吸系统疾病日急诊量的关系,及空气污染物的影响是否存在滞后效应。结果2013至2017年间,兰州市呼吸系统疾病急诊就诊人次总量为124871人次,日均69人次(1~367人次/d)。单污染物模型显示:兰州市6种常规空气监测污染物中,PM_(2.5)、PM_(10)、NO_(2)、SO_(2)、O_(3)8h对呼吸系统疾病急诊人次存在滞后效应,PM_(2.5)(lag02:t=4.792,P=0.001)、PM_(10)(lag2:t=3.421,P<0.001)、NO_(2)(lag6:t=3.654,P=0.003)、SO_(2)(lag06:t=4.712,P<0.001)和O_(3)8h(lag07:t=3.021,P=0.012)浓度每增加10μg/m^(3),呼吸系统疾病急诊量增加0.900%(95%CI:0.573%~1.249%)、0.083%(95%CI:0.012%~0.153%)、1.293%(95%CI:0.867%~1.720%)、3.851%(95%CI:2.675%~5.041%)和0.737%(95%CI:0.129%~1.348%);CO(lag0;t=3.564,P<0.001)每增加1 mg/m^(3),呼吸系统疾病急诊量增加2.556%(95%CI:1.493%~3.629%)。性别分层中,冬季时PM_(2.5)(男:t=3.124,P=0.019;女:t=3.418,P=0.007)、PM_(10)(男:t=2.980,P=0.160;女:t=2.997,P=0.013)、CO(男:t=4.117,P=0.001;女:t=4.629,P<0.001)对女性呼吸系统疾病急诊量的影响大于男性,NO_(2)(男:t=3.020,P=0.107;女:t=3.006,P=0.128)、SO_(2)(男:t=4.101,P<0.001;女:t=3.820,P<0.001)、O_(3)8h(男:t=3.660,P=0.022;女:t=3.517,P=0.018)对男性呼吸系统疾病急诊量的影响大于女性。年龄分层中,冬季时PM_(2.5)(0~14岁:t=3.520,P=0.008)、PM_(10)(0~14岁:t=3.840,P<0.001)、SO_(2)(0~14岁:t=4.570,P<0.001)、CO(0~14岁:t=4.102,P=0.002)日均浓度的增加均可导致0~14岁人群呼吸系统疾病急诊量增加;夏季时O_(3)8h(0~14岁:t=4.210,P<0.001;15~64岁:t=3.807,P=0.001)的日均浓度对0~14岁和15~64岁年龄组呼吸系统疾病急诊量的增加有明显影响,各空气污染物对≥65岁年龄组人群呼吸系统疾病急诊量无明显影响。双污染物分析结果显示,当分别引入其他5种污染物后,PM_(2.5)、PM_(10)、NO_(2)、SO_(2)和CO对人群呼吸系统疾病急诊量的增加有明显影响;引入PM_(2.5)、NO_(2)、SO_(2)和CO后,O_(3)8h对呼吸系统疾病急诊量较单污染物模型结果有所上升。结论兰州市6种大气污染物浓度的增加均会导致居民呼吸系统疾病急诊量的增加,且对不同性别、年龄人群和季节的影响模式不同。

GM(1,1)和Verhulst模型在三级医院门急诊量预测中的应用比较

目的 比较分析GM(1,1)和Verhulst模型在三级医院门急诊量中的预测效果,并通过模型预测三级医院门诊量未来发展趋势。方法 根据上海市8所三级医院2004—2015年的年均门急诊量,通过Matlab8.3软件建立GM(1,1)和Verhulst模型对上海市三级医院年均门急诊量进行拟合,比较分析两种模型的预测效果。结果 建立的GM(1,1)数学模型为Y(t)=2058.556321e0.080452(t-1)-1905.468821,模型后验差比值C=0.169,小误差概率P=1.000;建立的Verhulst数学模型为Y(t)=1/0.00194+0.00459e^-0.163309(t-1),C=0.088,P=1.000。利用Verhulst模型预测2016—2020年的预测值(万人次)分别是386.24、401.35、415.14、427.62、438.82。结论 Verhulst模型预测效果优于GM(1,1)模型,自2009年以来三级综合医院门急诊人次增长率总体呈下降趋势,表明上海市医疗服务体系改革有一定效果显现;在无外界因素影响的情况下,未来几年上海市三级医院的门急诊量仍将会持续上升。

运用哑变量技术 提高预测门急诊量的准确性

目的使用时间序列模型,对医院门急诊就诊人数进行预测。方法在线性回归方程中引用哑变量,修正周期性变化,降低预测的误差。结果使用Excel软件数据分析功能,得出含有哑变量的多元线性回归方程。结论当一个时间序列数据呈现周期性变化时,可以引入哑变量,并根据情况确定哑变量个数来反映这种周期性变化,这样有助于提高预测数据的准确性。

医院急诊量变化趋势:基于某院2005——2016年的数据分析

目的分析医院急诊就诊量动态变化和季节性变化规律。方法采用季节指数法,运用某医院2005-2016年急诊就诊量统计数据,分析急诊就诊量的变化特点。结果急诊就诊量呈现逐年上升的趋势,具有季节性特点。结论根据急诊就诊量变化的规律,制定科学措施,满足就医需要。

运用最小二乘法预测某院年度门急诊量

目的通过某院2009—2014年的实际门急诊量变化趋势,预测2015年的门急诊量,为合理配置门急诊医疗卫生资源提供科学依据。方法利用最小二乘法建立直线回归方程,预测门急诊量。结果预测方程为=33.89+17.36t。结论通过对门急诊量的预测,着力提升门急诊建设质量,为医院管理决策者提供科学依据,优化配置卫生资源,努力构建流程优化、效益明显、高度集成的医疗体系。

北京医改半年:门急诊量上亿人次 节约医药费44亿元

4月8日，北京市正式实施医药分开综合改革，改革实施六个月来，3700多家医疗机构门急诊量1亿多人次，190多万住院病人治疗有序，三级医院门急诊量减少11．5％，累计节约医药费用44亿元。

趋势季节法用于医院急诊量预测

1 方法与结果我院1986～1991年六年的门诊急诊量统计资料(见表1),既有一定的趋势变化,又存在着季节性变动.因此,我们采用趋势季节法来预测1992年门诊急诊量.步骤如下.

上海三甲医院日门急诊量破万 患者满意度高

由上海医药卫生行风建设促进会主导、复旦大学公共卫生学院共同开展了的“2014年上海市公立医疗机构服务质量病人满意度研究”经过近一年的调研和分析顺利完成。据介绍，2014年的病人满意度测评首次由第三方主导，覆盖了包括三级综合性医院和儿科、妇产科、肿瘤等三级专科医院，可充分反映上海市三级医院门诊与住院医疗服务的质量。

我院十年门诊与急诊量的动态分析

收集了全院及几个主要科室十年来的门诊、急诊量数据,并采用定基比、环比、平均发展速度等统计指标对其进行动态分析,以及对某些年份门诊量下降的原因进行了探讨。

儿童医院2017年11月门急诊量同比下降(1)

每年秋冬季是儿童季节性疾病高发期,但北京儿童医院2017年11月份的日均门急诊量与去年同期相比,还是降低了6.37%。＂病人不动、医生移动＂,北京儿童医院全国儿科医疗联动服务模式渐显成效,让更多的患儿在当地就近接受治疗。2013年,由北京儿童医院牵头、

儿童医院2017年11月门急诊量同比下降(2)

具体来说,儿童医院集团的所有成员单位都在医务处或医生工作站内,统一安装了分级诊疗系统软件。例如,基层医疗机构收治的疑难重症患者因病情需上转至河北省儿童医院,就可以通过该软件系统,直接将病人的电子病历转至河北省儿童医院医务处。接到病人信息后,河北省儿童医院会先通过专家远程会诊进行判断,

2016—2020年合肥市大气污染物与急性上呼吸道感染急诊量的关系

目的探讨合肥市大气污染物与急性上呼吸道感染急诊间的关系。方法收集2016年1月1日—2020年12月31日于安徽医科大学第一附属医院急诊就诊的急性上呼吸道感染患者的病例资料、同期的气象数据和大气污染物数据,采用分布滞后非线性模型,控制气象因素、星期几效应、节假日效应等混杂因素,分析大气污染物暴露对急性上呼吸道感染急诊量的影响,并对性别、年龄进行分层研究。结果2016—2020年合肥市急性上呼吸道感染总急诊量为55902人,且冷季高于暖季。在所有污染物中,SO_(2)对急性上呼吸道感染影响最大,在lag07时其滞后效应达到最大,RR及95%CI为1.194(1.072~1.330)。同时,气态污染物(如SO_(2)、NO_(2))的RR估计值大于颗粒物(如PM2.5、PM10)的RR估计值。性别分层发现,SO_(2)、NO_(2)对女性急诊量的影响更大,PM2.5、PM10、O_(3)对男性急诊量的影响更大。年龄分层发现,PM2.5、PM10、NO_(2)对>65岁人群急诊量的影响更大,SO_(2)对18~65岁人群急诊量影响更大。结论合肥市大气污染物浓度升高会增加急性上呼吸道感染急诊就诊风险,且对不同性别、年龄影响不同。

差分自回归移动平均模型在区县级公立医院门急诊量预测中的应用实践

目的利用差分自回归移动平均(autoregressive integrated moving average,ARIMA)模型精准预测区县级公立医院的门急诊量,为医院预算及运营决策提供重要依据。方法采集成都市双流区某公立医院2012年1月—2023年11月逐月的门急诊量,使用R 4.3.1软件,将2012年1月—2022年12月的逐月数据用于构建ARIMA模型,预测及验证2023年1月—11月的门急诊量。结果除2023年1、3月外,其他月份的预测门急诊量与实际门急诊量吻合较好,2023年1月—11月的平均绝对百分比误差为8.504%。2023年1月—11月的实际和预测门急诊总量分别为144.196万、141.713万人次,相对误差为–1.722%。结论ARIMA模型能较好地预测区县级医院门急诊量,但新型冠状病毒感染疫情高发等因素会影响短期预测的精准性。

PM2.5短期暴露对我国死亡和急诊量影响的Meta分析

目的利用Meta分析定量评价空气中粒径≤2.5 μm的颗粒物（PM2.5）短期暴露与我国居民全因死亡和急诊之间的关系。方法于2018年3月系统检索中国知网、万方数据知识服务平台、PubMed和EMBASE收集相关文献，提取相对危险度（RR）、超额危险度（ER）及其95%CI，根据异质性检验结果，采用固定或随机效应模型对数据进行合并，并对其进行亚组分析、Meta回归和检验发表偏倚。结果共纳入33篇原始文献，分别利用39组死亡数据和4组急诊量数据进行Meta分析，结果显示，在47.7-176.7 μg/m3的浓度范围内，PM2.5每上升10 μg/m3，居民每日全因死亡增加0.49%（95%CI：0.39%-0.59%），全因急诊量增加0.30%（95%CI：0.10%-0.51%）。对死亡数据的亚组分析显示北方地区（ER=0.42%，95%CI：0.30%-0.54%）合并效应值低于南方地区（ER=0.63%，95%CI：0.44%-0.82%），研究期间PM2.5浓度〈75 μg/m3地区的合并效应值（ER=0.50%，95%CI：0.37%-0.62%）高于PM2.5浓度≥75 μg/m3的地区（ER=0.39%，95%CI：0.26%-0.52%）。结论在47.7-176.7 μg/m3的浓度范围内，PM2.5短期暴露可能与全因死亡和急诊量增加有关。

2013年初灰霾事件对石家庄医院门急诊量的影响

目的通过石家庄市某医院门急诊量与API的关系研究,探讨2013年1月灰霾事件对门急诊量的影响。方法门急诊量数据来源于石家庄市某三甲综合性医院,空气污染指数（API）来自当地环境保护局网站,气象数据来自天气网。研究时间包括2012年9月—2013年1月（T1序列）和2011年9月—2012年2月（T2序列）。通过控制两个序列门急诊的自然增长,计算得到每日门急诊量的百分增量。将两年度2个数据序列各分四个时段（9—10月、11月、12月、次年1月）进行API与门急诊量的Poisson回归分析。结果石家庄市的API于2012年12月23日开始升高,2013年1月5日达500;2012年12月30日—2013年1月16日,社区医疗科、心内科、内分泌科、儿科门诊、呼吸内科、普外科门诊、儿科急诊和急诊科出现就诊高峰,相应的百分增量为24%-253%。Poisson回归分析进一步证实,上述科室2013年1月危险度高于其它时段,且具有统计学意义（P〈0.05）,API每升高1个四分位数间距,每日门诊量或急诊量增加6.8%-30.1%。结论灰霾期间医院门急诊量明显升高,空气污染与医院门急诊量的增加有相关关系,季节影响、流感流行均不足以解释相关门诊量和急诊量的升高。

北京地区灰霾事件对儿科门/急诊量影响的分析

目的 分析北京市自2013年1月灰霾期间儿科门诊和急诊量情况,探讨就诊量增加是否与空气污染相关.方法 患儿就诊数据来自北京市海淀区某大型综合性医院,空气污染数据来自中国环境科学研究院,气象数据来自天气网.将灰霾期间每日儿科门/急诊量与上一年度同期比较,计算每日儿科门/急诊量的增加百分比.采用广义相加模型确定浓度反应关系曲线特征,以多种结构断裂点测试方法确定曲线拐点,危险度估计采用分段线性模型.结果 北京地区灰霾期间,氮氧化合物（NOx）、二氧化硫（SO2）、PM25和PM10分别最高达672.63 μg/m3、146.20 μg/m3、312.19 μg/m3和995.00 μg/m3,高峰日集中于2012年12月28日和2013年1月10日.同日儿科就诊量出现高峰,2012年12月28日和2013年1月10日分别增加了47.75％和34.14％.4种污染物中低浓度,均与儿科门诊量相关,浓度反应关系呈“C”形和“S”形;其中PM10和SO2高浓度与儿科急诊量相关,浓度反应关系呈“J”形.结论 北京地区灰霾期间空气污染与儿科就诊量增加相关.儿科病例中存在不同易感人群,“C”、“S”、“J”形相关人群易感性依次降低.

2005年-2012年儿童医院门急诊量动态分析

目的了解儿童医院门急诊病人流量规律。方法采用最小二乘法,利用长期趋势剔除法计算医院门急诊量的季节指数。结果儿童医院门急诊病人流量受季节因素影响显著,在每年的不同月份都有各自的变化规律,季节指数以7、8月份最高,2月最低。结论根据门、急诊病人流量规律,合理进行医疗资源的优化配置,为医院管理的科学决策提供依据。