简介:摘要目的分析临床科室的医疗服务产出效率,为医院合理配置资源和提高服务效率提供切入点。方法运用数据包络分析(DEA)的经典BCC模型对某院44个临床科室的医疗服务效率进行评价,分析其综合效率、纯技术效率、规模效率和规模收益。投入指标分别为医护人员数量、医疗成本、期末实有床位数,产出指标为疾病诊断相关分组(DRG)指标,包括DRG组数、总权重、病例组合指数、费用消耗指数、时间消耗指数和中低风险组死亡率。结果2018年全院的综合效率、纯技术效率、规模效率平均值分别为0.897、0.920和0.975,DEA相对有效科室16个(占36%),弱有效科室7个(占16%),非有效科室21个(占48%)。在产出不变的情况下,非DEA有效科室期末实有床位、医护人员、医疗业务支出的冗余率分别为17.3%、20.3%和17.1%;在投入不变的情况下,非DEA有效科室均存在产出不足情况。结论该医院医疗服务综合效率较为理想,但非DEA有效科室占比较高,建议通过优化资源投入、强化学科建设、加强成本管控等方式提升医疗服务效率。
简介:摘 要 目的:运用DEA模型评价分析我国中医类医疗机构的运行效率,为中医卫生机构提高效率、实现卫生资源有效配置提供依据。方法:利用数据包络分析数据,采用CCR模型计算综合效率值,运用BCC模型计算纯技术效率值,通过相关计算得到规模效率值。结果:2018年全国中医类医疗机构平均综合效率值为0.833,综合效率值有效的省市5个,其他省市处在规模效益递减状态。结论:应转变投入方向,提高医疗机构的技术与质量,有效配置卫生资源,提高运行效率。
简介:摘要目的将疾病诊断相关分组(DRG)指标引入医院效率评价,分析DRG对效率值的调整效果,并对比分析数据包络分析(DEA)效率值与DRG效率指标的异同。方法利用湖北省三级医院2017年和2018年的DRG试点数据及其他报表的相关数据,分别采用实际开放床位数、在职员工数、实际占用总床日和医疗收入为投入指标,采用总诊疗人次、出院人次、DRG权重和DRG组数为产出指标,组合不同指标建立7个模型,以Bootstrap-DEA效率评价方法计算医院效率。结果以传统方法计算的效率值存在医院级别越高效率越低的现象,县属医院、市属医院、省属医院的效率值分别为0.83、0.74、0.71(P<0.01)。将DRG权重和组数作为产出指标进行DEA分析,县属医院、市属医院、省属医院的效率值分别为0.95、0.94、0.96(P=0.20)。县属医院、市属医院、省属医院的DRG效率指数分别为1.42、1.11、1.00(P<0.01),级别越高效率越低,而采用DEA计算的效率值则分别为0.84、0.82、0.86(P=0.58)。结论以传统方法计算的效率值存在系统性偏差,会出现医院级别越高效率越低的现象。将DRG权重和组数作为产出指标进行DEA分析,可以有效校正这一偏差。研究结果为开展DRG管理下的医院效率评价提供了新的思路。
简介:摘要目的测量公立三级综合医院成本效率及其构成要素,分析其成本效率的影响因素。方法采用数据包络分析法的COST、CCR、BCC模型,分别测量我国3个省份141所样本医院的成本效率、配置效率、技术效率、纯技术效率和规模效率值。对数据进行描述性分析和多元线性回归分析。结果2018年样本医院成本效率值为0.632,配置效率值为0.929,技术效率值为0.675,纯技术效率值为0.732,规模效率值为0.917。10所(7.09%)样本医院处于规模报酬不变状态,41所(29.08%)样本医院处于规模报酬递减状态,90所(63.83%)样本医院处于规模报酬递增状态。地区人均GDP以及医院的床位使用率、平均住院日、每门急诊人次平均收费水平等,对样本医院成本效率值的影响具有显著性。结论技术效率是影响成本效率的主要原因,纯技术效率是提升技术效率的关键因素,不断提升医院内部管理水平是提高技术效率的主要和必要途径。内部因素对成本效率影响较大。降低平均住院日、提高床位使用率、降低每门急诊人次平均收费水平等,有利于提高医院成本效率。
简介:摘要:FLASH器件因其突出的优点在嵌入式系统中广泛使用,但所有FLASH都受数据丢失困扰,数据丢失造成的产品故障现象通常不易复现,难以排查。本文通过对FLASH数据丢失的现象和原因进行分析,提供几种降低数据丢失引起产品故障的措施。为FLASH的设计和使用,提供提高数据安全性的方法。
简介:摘要目的在现有的主要医院排行榜基础上,结合医院投入信息,构建以效率为主要评价依据的排行榜。方法采用超效率数据包络分析(DEA)法,以2018年59所综合医院开放床位数和在职员工数为投入指标,分别以同年复旦大学医院管理研究所的中国最佳医院排行榜和中国医学科学院医学信息研究所的中国医院科技量值中的总分、各分项评价为产出指标,建立了5个模型,根据所得效率值进行医院排行。结果复旦排行榜和科技量值原始总分与医院床位的相关系数分别为0.08、0.09(P>0.05),与人员的相关系数分别为0.34、0.39(P<0.01)。5个超效率DEA模型效率值与床位的相关系数依次为-0.37、-0.61、-0.71、-0.61、-0.61(P<0.01),与人员的相关系数依次为-0.17、-0.37、-0.60、-0.39、-0.39(P<0.01)。与原始排名相比,在超效率DEA模型效率值排名中,京沪地区医院平均排名上升6.38位,非京沪地区医院排名平均降低4.37位,差异有统计学意义(P=0.02);其他不同类型医院的排名差值,差异无统计学意义。结论通过超效率DEA计算效率值,以医院床位数和人员数为投入指标,排行更加科学全面。研究结果可为合理引导患者有序就诊、引导医院走向健康发展模式提供思路。
简介:摘 要 : 在大数据时代背景下,信息技术不断发展,传统电网管理模式已无法满足当今企业的各项需求,智能电网则顺应需求而产生,为企业提供了更加高效智能的服务,使得企业的电力系统得以稳当运行。此次研究在深入分析当今智能电网数据处理现状的基础上,对智能电网大数据处理的关键技术进行了探究,提出数据挖掘技术在电网系统中的实现手段;针对其面对的各项挑战进行分析并提出解决方案,该方案中包括实行电网调控管理、建立数据治理体系、构建电网安全防护体系和建立数据质量评价模型。