以病毒性肝炎教学为例,探讨导入、目标、前测、参与式学习、后测、总结(bridge-in、objective、pre-assessment、participatory learning、post-assessment、summary,BOPPPS)模型联合案例教学法(case based learning,CBL)在本科生传染...以病毒性肝炎教学为例,探讨导入、目标、前测、参与式学习、后测、总结(bridge-in、objective、pre-assessment、participatory learning、post-assessment、summary,BOPPPS)模型联合案例教学法(case based learning,CBL)在本科生传染病教学中的作用。结果显示BOPPPS-CBL组学生的测评成绩高于讲授式教学法(lecture-based learning,LBL)组;BOPPPS-CBL组提高交流表达能力、增加学习兴趣、巩固基础理论知识、拓展课堂知识、培养临床思维能力、提高分析与总结能力、教学重点明确、提高团队协作能力的比例高于LBL组,差异有统计学意义(P<0.05)。与LBL相比,BOPPPSCBL教学法在本科医学生传染病教学中更有优势,值得深入探索与推广。展开更多
目的/意义系统梳理基于互联网数据的传染病预测模型相关研究,助力实现传染病监测关口前移,为构建传染病智慧化立体防治体系提供参考。方法/过程对Web of Science核心数据库和中国知网收录的近20年基于互联网数据的传染病监测预警研究发...目的/意义系统梳理基于互联网数据的传染病预测模型相关研究,助力实现传染病监测关口前移,为构建传染病智慧化立体防治体系提供参考。方法/过程对Web of Science核心数据库和中国知网收录的近20年基于互联网数据的传染病监测预警研究发展历程及研究方向进行梳理,分析当前主要问题与挑战,总结常见预测模型及其优化方向。结果/结论互联网传染病监测研究呈监测疾病多样化、数据来源精细化和专业化等趋势。由于互联网数据的复杂性和不确定性,现有模型大多仅适用于短时或实时预测。通过构建组合模型、加强多源数据融合、完善关键词与影响因素选择等方式,可进一步优化模型,加强拟合效果和预测能力。展开更多
目的建立消化道和呼吸道传染病患者首诊医疗机构选择预测模型并分析其影响因素,为医疗机构精准防治传染病提供参考。方法通过整群抽样方法,抽取北京市通州区某医联体覆盖区域内1524例消化道和呼吸道传染病患者。将患者数据按照8∶2随机...目的建立消化道和呼吸道传染病患者首诊医疗机构选择预测模型并分析其影响因素,为医疗机构精准防治传染病提供参考。方法通过整群抽样方法,抽取北京市通州区某医联体覆盖区域内1524例消化道和呼吸道传染病患者。将患者数据按照8∶2随机分成训练集和测试集,采用二元logistic回归模型分析患者首诊医疗机构选择的影响因素并建立预测模型,通过测试集中受试者工作特征(receiver operating characteristic,ROC)曲线下的面积(area under the curve,AUC)评价模型预测效果。结果1524例患者中,有417例选择社区首诊。文化水平、医保类型、职业、相对距离、是否签约家庭医生是传染病患者选择首诊医疗机构的影响因素。测试集的AUC=0.851,模型拟合效果较好。结论通过建立传染病患者首诊医疗机构预测模型可用来预测患者流向,帮助区域合理配置医疗资源,提高区域内传染病患者基层首诊率。展开更多
文摘以病毒性肝炎教学为例,探讨导入、目标、前测、参与式学习、后测、总结(bridge-in、objective、pre-assessment、participatory learning、post-assessment、summary,BOPPPS)模型联合案例教学法(case based learning,CBL)在本科生传染病教学中的作用。结果显示BOPPPS-CBL组学生的测评成绩高于讲授式教学法(lecture-based learning,LBL)组;BOPPPS-CBL组提高交流表达能力、增加学习兴趣、巩固基础理论知识、拓展课堂知识、培养临床思维能力、提高分析与总结能力、教学重点明确、提高团队协作能力的比例高于LBL组,差异有统计学意义(P<0.05)。与LBL相比,BOPPPSCBL教学法在本科医学生传染病教学中更有优势,值得深入探索与推广。
文摘目的/意义系统梳理基于互联网数据的传染病预测模型相关研究,助力实现传染病监测关口前移,为构建传染病智慧化立体防治体系提供参考。方法/过程对Web of Science核心数据库和中国知网收录的近20年基于互联网数据的传染病监测预警研究发展历程及研究方向进行梳理,分析当前主要问题与挑战,总结常见预测模型及其优化方向。结果/结论互联网传染病监测研究呈监测疾病多样化、数据来源精细化和专业化等趋势。由于互联网数据的复杂性和不确定性,现有模型大多仅适用于短时或实时预测。通过构建组合模型、加强多源数据融合、完善关键词与影响因素选择等方式,可进一步优化模型,加强拟合效果和预测能力。
文摘目的建立消化道和呼吸道传染病患者首诊医疗机构选择预测模型并分析其影响因素,为医疗机构精准防治传染病提供参考。方法通过整群抽样方法,抽取北京市通州区某医联体覆盖区域内1524例消化道和呼吸道传染病患者。将患者数据按照8∶2随机分成训练集和测试集,采用二元logistic回归模型分析患者首诊医疗机构选择的影响因素并建立预测模型,通过测试集中受试者工作特征(receiver operating characteristic,ROC)曲线下的面积(area under the curve,AUC)评价模型预测效果。结果1524例患者中,有417例选择社区首诊。文化水平、医保类型、职业、相对距离、是否签约家庭医生是传染病患者选择首诊医疗机构的影响因素。测试集的AUC=0.851,模型拟合效果较好。结论通过建立传染病患者首诊医疗机构预测模型可用来预测患者流向,帮助区域合理配置医疗资源,提高区域内传染病患者基层首诊率。
