基于设备特性的全自动血球分析仪质量管理研究

目的:构建基于设备特性的全自动血球分析仪质量预测诊断模型,探讨其在全自动血球分析仪动态质量管理控制中的应用价值。方法:基于设备特性采用长短期记忆(LSTM)模型和Softmax分类器,运用Adam优化算法构建全自动血球分析仪质量预测诊断模型(简称质量预测诊断模型),设计18个设备特征参数作为输入变量,对设备常见的10种质量问题进行预测诊断。选取2021—2022年新疆医科大学第一附属医院检验中心在用的5台全自动血球分析仪数据为样本,进行模型训练和测试,评估模型预测正确率和诊断精确度,并用模型输出结果观察2023年1—6月5台全自动血球分析仪设备质量管理辅助效果。采用正确率和精确度评价质量预测诊断模型性能,对比模型辅助全自动血球分析仪质量管理前后周平均故障数降幅。结果:质量预测诊断模型应用于5台设备预测诊断,预测正确率分别为97.5%、95.9%、96.3%、95.3%和95.2%,5台设备预测诊断正确率比较差异无统计学意义(P>0.05);5台设备预测诊断精确度分别为92.6%、89.7%、91.1%、92.4%和91.1%,5台设备预测诊断精确度比较差异无统计学意义(P>0.05)。应用模型辅助5台设备质量管理控制后,周平均故障数降幅分别为67.35%、68.36%、69.72%、68.97%和67.47%。结论:基于设备特性的全自动血球分析仪质量预测诊断模型可根据设备特征值准确预测设备质量问题,正确诊断引发质量问题的原因并提出相应的处理措施,应用于设备质量管理控制可有效降低故障发生率,并适用于不同设备。

LIMS系统中标准管理模块的创新与应用

随着信息技术的不断进步,实验室信息管理系统(LIMS)在标准管理方面的创新应用日益显现。本文重点探讨了两大创新点:一是通过精细化设计的互联网爬虫技术,实现标准数据的自动采集、解析与实时更新;二是引入深度置信网络(DBN)框架,构建智能匹配模型,为用户提供精准的标准推荐服务。这两项技术的融合应用,不仅提升了LIMS系统的智能化水平,也为实验室标准管理带来了革命性的变革。

智能取血设备的设计与应用

以射频识别技术与物联网技术为基础,研发无人值守智能取血设备。设备含有信息采集模块和身份识别模块:当血袋取出时,通过身份识别模块验证取血人员身份,待识别通过后,触发对应抽屉解锁,实现自助取血。自智能取血设备启用以来,未发生发血差错,并将取血时间缩短到不足2min,应用效果良好。

全自动智能采血管理系统的特性与临床应用

全自动智能采血管理系统是近些年来在临床实验室分析前管理阶段最大的进步与亮点之一,因其能替代传统的人工采血作业管理,优化了采血作业流程,改善了实验室检验流程,同时也方便患者,减少医务人员的劳动强度,提高工作效率。此外,此系统将医院信息系统(HIS)和实验室信息系统(LIS)有机相连,不仅发挥各自更大效益,也方便了工作量统计和物资的管理,实现了医院采血全过程的智能化管理,全面提升了医院管理和自动化水平。本文就全自动智能采血管理系统的发展、不同厂家产品特性及临床应用情况进行简要阐述。

基于移动式的病房智能采血管理系统的构建及应用

目的优化病房采血流程,提高护士采血效率和血液标本质量,为优化病房临床护理工作提供研究依据。方法构建由移动式多功能智能采血小车、标本状态追溯管理平台组成的病区智能采血管理系统。比较系统应用前、后患者平均采血用时、平均每个试管备管时间和血液标本质量不合格率。结果系统应用前、后3个月的采血患者总数分别为676和930人,备管总数分别为2581和2490管,总采血管数分别为1761和2116管。系统应用后的患者平均采血用时、平均每个试管备管时间分别为(3.42±1.30)、(0.12±0.22)min,均短于系统应用前的(5.81±1.47)和(0.55±0.36)min,差异有统计学意义(P<0.05)。系统应用后血液标本质量不合格率为0.51%(11/2116),低于系统应用前的2.32%(41/1761),差异有统计学意义(P<0.05)。结论基于移动式的智能采血管理系统在病区采血工作中能够有效减少采血用时,缩短备管时间,降低血液标本质量不合格率,提高采血工作效率,减少安全隐患。

智能采血管理系统在入院准备中心采血护理工作中的应用效果分析

目的:探讨智能采血管理系统在入院准备中心采血护理工作中的应用效果。方法:选取2021年12月—2022年3月于德阳市人民医院入院准备中心采血的130例患者作为对照组,2022年4月—2022年8月采血的130例患者作为试验组。对照组采用常规方法采血护理,试验组应用智能采血管理系统进行采血护理。比较两组采血等待情况、采血质量评分、满意度、不良事件发生情况。结果:试验组采血等待时间、采血操作时间、整体采血时间短于对照组,差异有统计学意义(P<0.001)。护理前,两组采血认知、感染预防、健康宣教评分比较,差异无统计学意义(P>0.05);护理后,试验组采血认知、感染预防、健康宣教评分高于对照组,差异有统计学意义(P<0.001)。试验组满意度高于对照组,差异有统计学意义(P=0.005)。试验组不良事件总发生率低于对照组,差异有统计学意义(P=0.006)。结论:入院准备中心采血护理中采用智能采血管理系统,可以缩短患者采血等待时间,提高采血质量、满意度,预防不良事件发生。

全自动采血管理系统的设计

为了更好地推进我国医院的信息化、智能化、数字化建设,针对全自动采血管理系统进行了研究与设计。本研究通过对采血工作流程进行分析,设计了系统的功能结构、网络架构、空间布局,将系统分为了排号叫号系统、信息流系统、机电系统和打印系统四个子系统,选用了工控机、树莓派3B+开发板、Arduino Mega 2560作为各子系统核心控制器,最后运用嵌入式系统开发技术、机电一体化技术、信息系统与数据库技术、串口通讯技术对系统的各个子系统进行了详细的设计和实现。目前,该系统的部分功能已经过运行试验,具有较高的稳定性。该系统的实现将有助于提高医院信息化程度、临床实验室自动化程度,减少实验前人为因素对检验结果的影响,在减少医务人员劳动强度的同时,提高工作效率。

建筑变形监测信息自动化采集与集成化管理系统关键技术研究

目前一些建设工程施工过程中存在变形监测信息化管理不完善,安全运营过程中变形监测方法陈旧单一、监测数据准确性与实时性难以保证等实际问题。针对这个难题,本文对变形监测中的关键技术进行研究,研发了自动化采集与集成化管理服务平台,实现了多源监测数据的实时处理、综合分析、成果输出及科学的实时预警等,为提高建筑变形监测质量、效率及管理水平和为工程安全提供了保障。

信息化建设下全自动采血系统的应用与研究

随着医院信息化建设的深入发展,门诊医疗信息化流程的优化成为改善门诊患者就医体验的关键。普通的门诊检验排队流程在妇幼医疗领域显得不太"人性化",全自动的采血系统把人为工作交予机器完成,智能分配患者队列,让护理人员将更多精力集中在采血本身,是医疗管理理念的提升,将更好地为患者提供一站式服务。文章对此展开了分析。

智能采血管理系统的开发和应用

目的开发采血管理系统功能,实现静脉血标本采集、分拣的自动化和智能化。方法按照静脉血标本采集前、中、后所涉及的主要环节,对医院新引进的采血管理系统进行智能化开发,比较智能化开发前后患者数据变化。结果在采血管理系统上开发了采血预约、不同类型采血号码队列生成和智能分配、患者呼叫和信息获取、采血管选择和贴标、标本回扫和采血时间生成、标本回收和分拣环节的智能化功能。智能化开发后,2020年和2021年分别有87.06%和89.78%的患者选择自助取号,普通采血患者所占比例分别为65.11%和65.12%,预约采血患者所占比例分别为29.84%和29.40%,优先采血患者所占比例分别为5.06%和5.48%,不同类型采血患者所占比例基本一致。2020年和2021年,7:00—8:00时段预约使用率最高,分别为95.00%和93.75%,基本达到饱和状态;采血等候时间≤20 min的患者分别占77.94%和57.02%,等候时间≤60 min的患者分别占97.55%和93.36%,5 min内完成标本采集的患者分别占90.17%和90.57%。与智能化开发前(2018年)比较,2021年的工作日采血高峰时段缩短了1 h。结论开发的采血管理系统的智能化规则设置合理,功能开发完备,实现了预约采血功能,减少了患者采血等候时间,大幅提高了静脉采血的工作效率。

海船船员模拟驾驶智能化评估管理系统设计

针对海船船员适任考试制度愈发严苛,考试内容日趋多样化、复杂化的情况,基于航海模拟器设计一套海船船员模拟驾驶智能化评估管理系统。该系统包含多种功能,通过对考试数据进行采集分析实现考题的自动评判。结合历史评判数据建立自动评判模型,对该系统的总体架构、平台对接接口、网络架构和数据库进行设计。通过使用该系统,使海船船员适任考试结果更加直观、清晰,人力成本得以减少,客观度和准确性得以提高,整体效能得到进一步提升。

早期药物临床试验中血样采集时间超窗的原因分析

目的利用智能样本管理系统对早期药物临床试验中发生血样采集时间超窗的原因进行统计分析,提出改进措施。方法以首都医科大学宣武医院和中国人民解放军总医院I期临床研究中心在2019年5月—2021年10月开展的23个早期药物临床试验中药动学血样采集相关数据为研究对象,统计血样采集时间超窗的发生情况,并进行原因分析。结果共纳入23项临床试验,共计911例健康志愿者,总采血次数34096次,血样采集时间超窗发生101次,发生率为0.30%。血样采集时间超窗的原因分别为采血困难、采血管负压不足、受试者未遵守方案、研究人员因素等,其中采血困难是主要原因(51.49%)。结论提高研究人员操作技能,使用智能样本管理系统等措施可以减少血样采集时间超窗的发生,提高临床试验质量。