基于Google maps API的应急物流车辆监控系统的研究

该文针对当今备受关注的突发事件应急物流车辆调度监控的需求，研究并设计了一种基于Google maps API的应急物流车辆监控系统。分析应急物流车辆监控系统的功能及工作原理，研究了系统的总体结构设计，并详细设计和实现了其关键组成部分。利用了JayaScript,JSP，ServletJavaBean等相关语言和Google maps API开发了基于B／S结构的应急物流车辆监控系统。系统应用表明。该系统能够很直观的在Internet环境下完成应急物流车辆信息的查询。

军队应急物流协同决策多智能体系统模型研究

为解决军队应急物流协同决策优化问题,在分析应急物流保障过程的基础上,提出了一种改进的军队应急物流两级协同决策工作流;以此为基础,结合本体建模方法和多智能体技术,建立了军队应急物流协同决策多智能体系统模型,并对该模型的关键功能、核心智能体以及半自治指挥控制机制进行了设计。军队应急物流协同决策多智能体系统模型采用了集中控制与有限自治相结合的半自治控制模式,并以本体作为异构信息集成的基础,有效控制了应急物流环境动态性、不确定性与异构性,准确反映了军队应急物流组织指挥特点,为军队应急物流联合指挥决策提供了有效的工作流程与系统模型参考。

查尔森合并症指数在急诊病人留院观察时间预测中的应用

目的:研究查尔森合并症指数(Charlson's weighted index of comorbidities,WIC)评分系统在急诊病人留院观察时间预测中的应用。方法:回顾性分析3 353例急诊留院观察病人的相关资料。按照留院观察时间对3 353例病人(不包括死亡病人)进行分组,留院观察时间≥72 h为A组(2 239例),留院观察时间<72 h为B组(1 114例)。对影响病人留院观察的因素进行logistic回归分析,包括病人的年龄、性别、基础疾病、居住条件(是否居住养老院)、留院观察疾病诊断,以及急性生理与慢性健康状况(APACHE)Ⅱ评分和留院观察的WIC评分。同时,根据受试者工作特征曲线(ROC),评定WIC评分在病人留院观察时间中的预测作用。结果:3 353例急诊留院观察病人中,因泌尿和内分泌系统疾病留院病人299例(8.9%),消化系统疾病522例(15.6%),循环和神经系统疾病838例(25.0%),呼吸系统疾病1 356例(40.4%),其他原因疾病338例(10.1%)。A组急诊病人的APACHEⅡ评分和WIC评分均高于B组(P<0.01)。年龄、居住养老院、WIC评分和APACHEⅡ评分均可影响病人留院观察时间(P<0.01)。多因素logistic回归分析显示,年龄、居住养老院、APACHEⅡ评分、WIC评分无共线性关系,均为影响病人留院观察时间的独立相关因素(P<0.01),APACHEⅡ评分的ROC曲线下面积为0.796,WIC评分的为0.691,两者结合的ROC曲线下面积为0.892。结论:基于基础疾病评价的WIC评分系统能够较好地预测急诊病人留院观察时间。