首页 > 文献资料
-
霍特双参数指数平滑预测模型在医院管理中应用的探讨
目的探讨霍特双参数指数平滑预测模型在医院管理中的应用价值.方法建立霍特双参数指数平滑预测模型对成都市2006年住院人数进行定量预测.并对预测模型的预测精度进行评价.结果霍特双参数指数平滑预测模型预测住院人数的结果满意.通过计算机反复试算,可获得佳的一组平滑常数(α,γ),使预测模型的预测误差小.本例预测平均绝对百分误差(MAPE)3.4438%<10%.预测精度较高.结论霍特双参数指数平滑预测模型预测精度较高,计算简便且具有递推性质.在医院管理中有应用价值.
关键词: 霍特双参数指数平滑模型 预测精度 预测误差 住院人数 卫生服务需求 -
温特斯线性和季节性指数平滑法预测模型在医院管理中的应用探讨
目的 探讨温特斯线性和季节性指数平滑法预测模型在医院管理中的应用价值.方法 建立温特斯线性和季节性指数平滑法预测模型对成都市卫生局所属医院2009年1~4季度门急诊诊次进行季节预测,并评价该预测模型的预测精度.结果 温特斯线性和季节性指数平滑法预测模型对成都市卫生局所属医院2009年1~4季度门急诊诊次的定量预测结果满意.通过计算机反复迭代试算,获得了一组佳的平滑常数(α,β,y),使预测模型的预测误差小.该预测实例平均绝对百分误差(MAPE)为3.5703%<10%,预测精度较高.结论 温特斯线性和季节性指数平滑法在医院管理中有实用价值.在建立预测模型时,结合计算机进行迭代运算,可建立佳预测模型,进一步提高预测精度.
关键词: 温特斯线性和季节性指数平滑法预测模型 平滑系数 预测精度 预测误差 门急诊诊次 -
差分-指数平滑预测模型在门诊人次预测中的应用
目的 探讨差分-指数平滑预测模型在医院管理中的应用价值.方法 建立差分-指数平滑预测模型对某院2008年门诊诊次进行定量预测,并对预测模型的预测精度进行评价.结果 差分-指数平滑预测模型预测门诊诊次的结果满意.通过计算机反复试算,可获得佳的平滑常数(α),使预测模型的预测误差小.本例预测平均绝对百分误差(MAPE)4.4040%<10%,预测精度较高.结论 差分-指数平滑预测模型预测精度较高,计算简便且具有递推性质,在医院管理中有应用价值.
-
确立大数据应用战略定位,助力“健康中国”精准施策
健康是促进人的全面发展的必然要求,是经济社会发展的基础条件,是民族昌盛和国家富强的重要标志,也是广大人民群众的共同追求.习近平总书记在全国卫生与健康大会上提出:要把人民健康放在优先发展的战略地位,努力全方位、全周期保障人民健康.积极推进大数据在医疗健康领域的创新应用,不仅是贯彻落实习总书记在全国卫生与健康大会上的讲话精神,而且,也是加快推进《健康中国2030规划纲要》实施的需要.确立大数据在新形势下应用的战略定位,是提升健康中国施策预测精度和解决问题深度的治本良策.
-
正交函数-迭代目标转换因子分析法同时测定复方甲硝唑注射液两组分的含量
复方甲硝唑注射液为临床上用于妇科感染和厌氧菌感染的药物,处方中含有1%甲硝唑和1%氯霉素.计算分光光度法已广泛用于复方药物制剂分析,文献[1]曾提出关于信号变换后用于多元校正方法,目的是为了使一些多元校正方法达到好的预测精度.有研究曾提出用一些信号变换技术先对吸光度进行处理作为多元校正方法的输入值.本研究利用褶积变换即正交变换,利用函数的正交性,通过对吸光度进行适当的数字处理,增加光谱的分辨率,以消除分光光度法中的不相关吸收,即利用正交多项式回归系数与浓度成正比的关系,形成一种新的算法,即褶积变换-迭代目标转换因子分析法(OF-IITFA),且把它应用于相关性特强的实际体系的测定.
-
线性回归预测模型有效超前期的确定方法
线性回归预测模型是应用线性回归技术,根据历史数据建立回归方程,用此回归方程进行超前预测.然而,建立了一个线性回归模型能否用其做无限期的超前预测呢?显然,一个预测模型的预测精度随着超前期的增加而逐渐降低,即预测误差越来越大.当外推至某一期时,预测误差之大,使该模型继续作外推预测几乎不再有什么实际意义,此时的预测超前期的长度我们称之为有效超前期.下面讨论线性回归预测模型有效超前期的一种确定方法.
-
三轴加速度计用于体力活动的评估:现状与未来
背景:三轴加速度计已经广泛地应用于不同人群体力活动的监测中,并表现出较高的信度与效度,国外研究甚至已经将三轴加速度计应用到动物身上进行体力活动监测,与此同时,也存在一定误差,国内对于三轴加速度计在体力活动应用并不是很多.目的:对国内外关于三轴加速度计用于体力活动监测研究进行述评,以了解国内外关于三轴加速度用于体力活动评估的研究现状、存在问题及未来改进方向.方法:以"加速度计、体力活动、能量消耗"以及对应的英文短语"Accelerometer、Physical Activity、Energy expenditure"为中英文关键词,搜索截止至2017年12月包括Elsevier SDOL、Web of Science以及CNKI中文资料总库的文献数据库,检索有关三轴加速度计及体力活动相关的中英文文献,并根据研究需要确立相应的入选标准对所得文献进行筛选.结果与结论:①三轴加速度计在动作分析中具有很好的精度,可以广泛应用于人体动作分析,而在能量消耗预测方面,三轴加速度计仅在走跑类活动中表现出较高的效度;②大部分研究将三轴加速度计携于腰部,这一位置仅对走、跑类体力活动消耗监测表现出良好的信效度,而在特殊活动的监测并不是佳位置,而应以所要研究的肢体动作为依据;③国外所建立的能量消耗预测模型并不能完全适用于中国公民的体力活动消耗,须要进一步加以改进;④体力活动算法缺少统一化的标准;⑤三轴加速度计在体力活动监测相比于其他影响三轴加速度精度的因素而言,佩戴位置和算法是三轴加速度计需要克服的,在未来应加大对这两方面的研究,多做一些不同佩戴位置对于能量消耗影响的变异研究,同时应引入一些新的数据分析方法:如数据挖掘和机器学习,实现算法标准化;此外三轴加速度的研究应该走出实验室,所研究对象应尽可能多地覆盖不同人群.
-
社区获得性肺炎疗效影响因素探讨
社区获得性肺炎是常见住院治疗的呼吸道疾病,其疗效受年龄、病情、体质等因素影响而呈现多样化.回归模型常用以探索影响疗效的因素,定量检测指标通常直接反映病情并提示预后.在住院病史中通常可见一种生理病理状况由多个指标共同判断,它们之间往往存在多重共线性,造成自变量权重偏倚,影响模型预测精度[1].主成分分析通过提取这些指标的公因子,并将原指标与因子的相关系数作为权数,以加权方式计算因子标化总分来替代原指标.本文旨在应用主成分分析结合回归模型来探索某医院社区获得性肺炎疗效的影响因素.
-
基于状态空间模型的我国卫生总费用预测研究
基于时间序列相关理论及我国1978-2008年卫生总费用时间序列特点,探讨状态空间模型在我国卫生总费用预测研究中的应用,并利用三种预测精度评价指标对模型样本外预测效果进行综合评价.结果表明:状态空间模型在卫生总费用预测研究中具有重要的实际意义.
-
基于间接DGM(1,1)模型的我国人均卫生总费用预测分析
自20世纪80年代邓聚龙教授提出灰色系统理论以来,灰色预测模型(Gray Model,GM)被广泛用于工业、农业、医学、经济、气象、军事等领域,其中GM(1,1)模型是基础和核心.由于GM(1,1)模型预测精度的不稳定性,后有学者提出离散的灰色模型(Discrete Gray Model,DGM(1,1)).不论是GM(1,1)还是DGM(1,1),都要求原始数据序列服从近似的齐次指数增长规律[1],但是在现实中服从近似的齐次指数增长规律的数据是有限的.
-
霍特双参数指数平滑预测模型在医院管理中应用的探讨
目的 探讨霍特双参数指数平滑预测模型在医院管理中的应用价值. 方法 建立霍特双参数指数平滑预测模型对成都市2006年住院人数进行定量预测,并对预测模型的预测精度进行评价. 结果 霍特双参数指数平滑预测模型预测住院人数的结果满意.通过计算机反复试算,可获得佳的一组平滑常数(α,γ),使预测模型的预测误差小.本例预测平均绝对百分误差(MAPE)3.443 8%<10%,预测精度较高. 结论 霍特双参数指数平滑预测模型预测精度较高,计算简便且具有递推性质,在医院管理中有应用价值.
关键词: 霍特双参数指数平滑模型 预测精度 预测误差 住院人数 卫生服务需求 -
用偏倚缩减法对线性回归模型有效预测的探讨
线性回归模型是应用回归技术,根据随机序列历史数据建立回归方程,用此回归方程进行超前预测的数学工具.一个预测模型的预测精度随着超前期的增加而逐渐减低,预测误差越来越大[3].另一方面,回归方程的系数由变量的自相关函数确定,因此自相关函数的估算精度直接影响着线性回归模型的预测精度.本文用偏倚缩减法[1,2]对自相关函数进行估算,提高自相关函数估算精度[1],从而提高线性回归模型的有效预测.
-
尘肺发病趋势的综合预测
尘肺发病趋势的预测在近几年颇受重视,报道甚多.在预测方法上多数采用了我国学者邓聚龙教授提出的GM模型[1~3].其它预测方法如自回归模型、二次曲线方程、指数方程[4]、指数平滑等[5]也有报道.这些方法都各有其特点和适用性,也各有其不足之处.国内外学者提出了综合预测方法[6],即对各个预测模型的预测值进行优加权综合预测,实践表明综合预测能明显提高预测精度.我们用综合预测方法对本地尘肺发病趋势进行了预测.
-
线性回归预测模型有效超前期的确定方法
线性回归预测模型是应用线性回归技术,根据历史数据建立回归方程,用此回归方程进行超前预测.然而,建立了一个线性回归模型能否用其做无限期的超前预测呢?显然,一个预测模型的预测精度随着超前期的增加而逐渐降低,即预测误差越来越大.当外推至某一期时,预测误差之大,使该模型继续作外推预测几乎不再有什么实际意义,此时的预测超前期的长度我们称之为有效超前期.下面讨论线性回归预测模型有效超前期的一种确定方法.