Power BI Desktop在医院DIP精细化管理中的应用

目的利用Power BI Desktop对医院DIP分组明细进行多维度对比分析及数据可视化,寻找医院DIP亏损原因。方法提取某三甲肿瘤专科医院2022年度部分出院结算DIP入组明细数据,通过数据导入、数据类型转换、建立数据关系、数据建模、数据可视化等方法,建立全院、科室、病种等多个维度的可视化动态分析报表。结果Power BI Desktop能有效提升DIP精细化管理水平,提升工作效率,精准分析亏损原因,指导科室进行改进,有效减少医院DIP医保资金亏损。结论Power BI Desktop具有成本低廉,定制化、可视化、自动化程度高,用户界面友好等特点,值得在各医院尤其是信息化程度低、专科运营人员不足、资金预算不足的医院DIP精细化管理中进行推广。

抗菌药临床不合理应用的分析和对策

目的对本院2016年1月至2017年12月间抗菌药临床不合理应用进行分析并制定对策。方法选取本院2016年1月至2017年12月间共计51000张处方作为研究对象;采用回顾性分析的方法对处方用药合理性进行分析。结果51000张处方中抗菌药物处方占15.06%(7680张),不合理使用抗菌药处方占1.04%(80张);DDDs排名前十药品依次为阿米卡星注射液、阿莫西林胶囊、阿莫西林颗粒、阿莫西林克拉维酸钾片、阿奇霉素肠溶胶囊、氨苄西林胶囊、奥硝唑氯化钠注射液、氟康唑氯化钠注射液、氟康唑片、伏立康唑片;不合理用药处方中不规范处方占10.00%(8/80),超规格处方占28.75%(23/80),用药不适宜占61.25%(49/80)。结论本院抗菌药存在临床不合理应用,应制定相应对策,规范抗菌药临床应用。

基于主成分分析和CNN的图像分类算法研究

随着对CNN(卷积神经网络)准确率要求的提高,CNN被设计的越来越深,训练CNN所需的数据量也相应的呈指数级增长,进而导致训练CNN的时间大幅提高,训练CNN的设备要求也越来越高。为了解决这个问题,本文使用主成分分析的方法对输入CNN的图像进行降维处理,降维后的图像与原图像相比,虽然数据量变小了,但是却保留了图像的主要信息;然后使用本文设计的2层CNN进行处理。为验证该方法的有效性,在本文的实验中设计了多个对比试验,发现该方法可在损失少量准确率的情况下大幅降低训练所需的时间。