公共文化服务平台

共 7 条记录，以下是 1-7

全选清除导出

排序方式：

大肠癌患者住院费用灰色关联分析被引量：19: 2016年; 目的了解2006年-2011年重庆市某三甲医院大肠癌患者住院费用的影响因素及发展态势,找出影响结构变动的主要费用项目及变动情况。方法运用新灰色关联分析法,对住院费用构成进行定量分析;采用灰色关联度分析6年中住院费用结构的变动情况。结果 6年来大肠癌患者的医疗费用各项目在总体顺位上保持相对稳定。药品费的关联度最大,为1.000,其次是手术费,达到0.8533;药品费的结构变动度贡献率最大,达到44.61%,其次是手术费的,有23.37%,合计为67.98%。结论药品费用是住院费用控制的主要影响因素。通过合理支配药品和降低不必要的费用可以减轻患者的住院费用负担。; 李小升石菊芳雷海科黄慧瑶张维; 关键词：平均住院费用灰色关联分析

胃癌患者住院费用灰色关联分析被引量：9: 2016年; [目的]了解2006-2011年重庆市某三甲医院胃癌患者住院费用的影响因素及发展态势,分析影响结构变动的主要费用项目及变动情况。[方法]运用新灰色关联分析法,对住院费用构成进行定量分析;采用灰色关联度分析2006-2011年中住院费用结构的变动情况。[结果]2006-2011年胃癌患者的医疗费用各项目在总体顺位上保持相对稳定。药品费的关联度最大（1.0000）,其次是手术费（0.7342）;药品费的结构变动度贡献率最大（41.51%）,其次是手术费（26.99%）,两者累计贡献率为68.50%。[结论]药品费用是住院费用控制的主要影响因素。通过合理支配药品和降低不必要的费用可以减轻患者的住院费用负担。; 雷海科周琦邱惠李小升何美张艳杜佳张维; 关键词：胃癌平均住院费用灰色关联分析

灰色预测模型GM(1,1)在医院门诊量预测中的应用被引量：16: 2012年; 目的了解医院2000年-2011年门诊量的趋势,探讨灰色预测模型GM(1,1)在时间序列资料中的应用,建立预测医院月门诊量的时间序列模型,为优化医疗资源配置提供科学的统计学依据。方法根据医院2000年-2011年门诊量数据,应用MATLAB软件建立灰色预测模型并进行模型评价,预测2012年-2014年的门诊量。结果GM(1,1)模型为:^Y(t)=552512.3619e0.1021(t-1)-478343.3619,预测值的相对误差小于20%,模型精度为优(C=0.29,P=1.00),预测效果好,2012年-2014年医院门诊量预测值分别为182612、202243、223984。结论GM(1,1)灰色模型能很好的拟合门诊量的变动趋势,在无外界因素影响的情况下,医院门诊量将会继续上涨。; 马春柳刘海霞李小升雷海科周宏; 关键词：门诊量

2011～2015年重庆某院恶性肿瘤住院患者疾病构成特征分析被引量：18: 2017年; [目的]分析恶性肿瘤住院患者疾病构成特征,为重庆地区恶性肿瘤的防治和专科建设提供方向和思路。[方法]收集2011年1月至2015年12月重庆市某肿瘤专科医院恶性肿瘤首次住院患者的病例信息,并按ICD-10编码对所有病例进行分类,分析不同年份、性别、年龄间恶性肿瘤的疾病构成及顺位变化。[结果]5年间恶性肿瘤住院患者32 070例,2011年5882例,2015年7169例,增长率为21.88%;男女比例1.22∶1;肺癌、乳腺癌、结直肠癌、肝癌处于该院恶性肿瘤患者构成的前5位;男性患者前3位的恶性肿瘤依次为肺癌、食管癌、肝癌,占51.19%,女性患者构成前3位的恶性肿瘤依次为乳腺癌、肺癌、宫颈癌,占48.39%;好发年龄主要集中在40~69岁,占患者总数的73.77%。[结论]2011~2015年首次住院恶性肿瘤患者呈逐年上升趋势,该院恶性肿瘤的疾病分布存在性别、年龄差异,根据肿瘤疾病分布特征和高发肿瘤调整恶性肿瘤的防治措施,对加强肿瘤专科能力建设具有重要意义。; 何美赵平李必波邱惠邹小农杜佳雷海科陈玉恒李小升张艳周琦; 关键词：恶性肿瘤住院患者医院管理

应用灰色预测模型GM(1,1)预测医院住院人次被引量：2: 2013年; 住院部是医院对外服务的重要窗口，可以直接影响医院的声誉和形象。同时，住院量也是评价一所医院医疗工作的重要指标之一，直接或间接地反映出该医院的规模、医疗质量及医疗水平。因此，了解医院住院量的变化情况，对于合理安排医疗资源，提高医疗工作效率意义重大。要想更好地了解医院住院量的变化情况，最好是能掌握其变化趋势，这就需要通过运用统计学知识，借助软件对其进行模拟预测。; 李小升刘海霞马春柳雷海科

SARIMA模型在医院门诊量预测中的应用被引量：7: 2013年; 目的了解医院2000年-2011年门诊量的趋势,建立预测月门诊量的时间序列模型,为优化医疗资源配置提供科学的统计学依据。方法根据医院2002年1月至2012年12月年门诊量数据,应用SPSS18.0软件建立季节自回归滑动平均模型(Seasonal Auto Regressive Integrated Moving Average model,SARIMA模型),并验证2012年7至12月份的门诊量。结果预测值与实际值的上升下降趋势基本吻合,SARIMA(0,1,1)(0,1,1)12模型为最优模型,标准化贝叶斯信息标准(NormalizedBayesian Information Criteria,BIC)值与平均绝对误差百分比(Mean absolute percentage error,MPE)值最小,BIC值为13.82,MPE为7.70,Box-Ljung检验无统计学意义(Q18=17.93,P=0.3281>0.05)。结论 SARIMA模型能很好的拟合门诊量的变动趋势,在无外界因素影响的情况下,医院门诊量将会继续上涨。; 李小升马春柳雷海科刘海霞; 关键词：时间序列 SARIMA模型门诊量

SARIMA模型在医院住院人次预测中的应用被引量：10: 2013年; 住院量是评价一个医院医疗工作的重要指标，直接或间接地反映出一个医院的规模、医疗质量及医疗水平。因此，了解住院量的变化情况，对于合理安排资源，提高医疗工作效率意义重大。要了解住院量的情况，就要对其进行预测。目前预测的模型及方法主要有线性回归模型、神经网络模型、灰色预测模型、马尔科夫链模型以及时间序列模型等。针对住院量数据的特殊性，本文选用季节自回归滑动平均模型（seasonal auto regressive integrated movong average model，SARIMA模型），分析2000-2011年住院量的历史数据，探讨其发生发展的规律并预测未来半年医院住院量的情况，为医院规划自身发展提供科学的依据。; 马春柳刘海霞李小升雷海科王红李琳马喆周宏; 关键词：ARIMA模型住院人次医院住院线性回归模型神经网络模型

全选清除导出

共1页<1>

李小升