简介:摘要:基于深化国家电网公司“现代(智慧)供应链”体系智能采购业务场景建设要求,依托大数据挖掘技术和供应商全息画像技术,根据供应商关系管理发展和信用评价体系建设的需要,深度挖掘各系统网络间采购全过程数据价值增量,建立完善、全面的供应商“感知体系”,搭建分析系统平台,进一步挖掘数据价值,分析供应商竞争行为,建立良性双赢环境,为公司高质量发展,助力公司推进智慧采购建设。
简介:摘要目的探讨3D-Slicer测算的血肿量预测动脉瘤性蛛网膜下腔出血(aSAH)后症状性脑血管痉挛(sCVS)的临床价值。方法收集福建中医药大学附属龙岩人民医院神经外科自2018年1月至2021年6月收治的84例aSAH患者入院时的CT影像资料,利用3D-Slicer测算患者的血肿量(3D-Slicer血肿量),并将患者按有无发生术后sCVS分为有sCVS组与无sCVS组。采用统计学方法比较2组患者间3D-Slicer血肿量及Fisher量表、改良Fisher量表分级分布的差异,筛选影响aSAH后sCVS发生的独立危险因素,并比较3D-Slicer血肿量在不同Fisher量表、改良Fisher量表分级患者间的差异。结果有sCVS组与无sCVS组患者在Fisher量表、改良Fisher量表分级分布方面差异均无统计学意义(P>0.05),但有sCVS组患者的3D-Slicer血肿量明显高于无sCVS组,差异有统计学意义(P<0.05)。3D-Slicer血肿量(OR=1.061,95%CI:1.004~1.120,P=0.034)是影响aSAH后sCVS发生的独立危险因素。不同Fisher量表、改良Fisher量表分级患者间的3D-Slicer血肿量总体比较差异均有统计学意义(P<0.05)。结论相比Fisher量表、改良Fisher量表,3D-Slicer测算的血肿量在预测aSAH后sCVS发生方面更有优势。
简介:摘要目的探讨时序预测模型中的差分自回归滑动平均(ARIMA)和自回归(AR)模型在预测广州市急救调度日出车数量方面的价值。方法采用Matlab仿真软件对广州市2021年1月1日至2021年12月31日的急救调度出车记录分析计算日出车数量时间序列,对该序列进行时序预测模型辨识,得到ARIMA(1,1,1)、AR(4)以及AR(7)模型,利用这些模型对日出车数量做出预测拟合。ARIMA(1,1,1)模型将数据分为训练集和测试集,参数运算采用Prony方法,预测拟合未来的出车数量;AR(4)和AR(7)模型采用均匀系数,预测当天出车数量。结果ARIMA(1,1,1)、AR(4)以及AR(7)都可以实现对日出车数量的有效预测,ARIMA(1,1,1)的预测拟合误差随着预测时间的延长下降。两个月内的急救调度日出车量预测拟合平均绝对百分比误差(MAPE)低于6%,结果基本都位于95%置信区间内,利用模型的残差分析验证了模型显著有效。结论ARIMA模型可以对两个月内的急救调度日出车量做长期预测拟合,AR模型可以对急救调度日出车量做短期有效预测。
简介:摘要目的研究住院药房药品破损量干预中品管圈的应用价值。方法研究对象为住院药房药品,例数200件,采用抽签分组方式对研究对象200件进行分组,收取时间在2015年2月1日到2016年2月10日,分为观察组一组(100件)、对照组一组(100件),分别实施品管圈干预和常规干预,将两组的干预效果进行对比和研究。结果观察组住院药房药品的破损率5.00%(其中破损5例、百分比为5.00%;未破损95例、百分比为95.00%)低于对照组破损率20.00%(P<0.05)。结论通过在住院药房药品干预中实施品管圈后,取得显著效果,能显著降低药物破损率,值得临床进一步推广和应用。
简介:【摘要】:目的:研究住院药房药品破损量干预中品管圈的应用价值。方法:研究对象为住院药房药品,例数 200件,采用抽签分组方式对研究对象 200件进行分组,收取时间在 2015年 2月 1日到 2016年 2月 10日,分为观察组一组 (100件 )、对照组一组 (100件 ),分别实施品管圈干预和常规干预,将两组的干预效果进行对比和研究。 结果:观察组住院药房药品的破损率5.00%(其中破损 5例、百分比为 5.00%;未破损 95例、百分比为 95.00%)低于对照组破损率 20.00%( P< 0.05)。 结论:通过在住院药房药品干预中实施品管圈后,取得显著效果,能显著降低药物破损率,值得临床进一步推广和应用。