首页 > 文献资料
-
某院入院人次影响因素的分析
目的 利用负二项回归方法归纳门诊量对住院人次的影响因素.方法 采用计数数据相对应的负二项回归方法,在回归模型中引入事件实施的虚拟变量,作为控制变量,考察医院日常运行指标对上述转化关系的影响,考察期间为2014年1月至2016年2月.结果 医院扩建对入院人数并没有显著性作用,药品零差价的实施与入院人数成正相关.主任医师专家门诊人次、病床周转次数、药占比及平均住院费用等指标对入院人数的增加起促进作用,病床使用率、空床数、平均住院日等指标与入院人数呈负相关.结论 医院通过相关指标对医师进行目标管理,影响了门诊量向住院量的转化,由于医院床位配置的不尽合理,各科间的转化效果差别明显.药占比指标的控制和费用结构的变化诱使入院患者结构变化,优化了转化效果.
-
基于Holt-Winters指数平滑法的入院人次预测
目的 应用时间序列Holt-Winters指数平滑法进行入院人次预测,为合理配置住院部资源提供科学的依据.方法 运用SPSS22.0以2012年1月-2016年12月入院人次数据为基础建立Holt-Winters季节模型,此模型评价指标是预测误差(MAPE)和平均绝对误差(MAE),且预测误差的随机性采用Ljung-Box和画直方图来检查.采用2017年的实际数据进行建立模型的验证后,选择精确度较高模型预测2018年入院人次.结果 在月度预测中选取α=0.001、β=0.803、γ=0.001时,得出MAPE=3.011％,实现较准确的预测.对模型进行白噪声残差分析,R2=0.795,RMSE=213.998,标准化的BIC(L)=10.910,Ljung-BoxQ(18)=20.293.结果表明估计具体模型是适合的,Holt-Winters算法较为准确地拟合了峰值,实现了吻合的预测效果.结论 Holt-Winters指数平滑法能很好地模拟入院人次在时间序列上的变动趋势,可对未来的入院人次进行预测,为医院诊疗工作的开展,资源的合理配置提供依据.
关键词： 入院人次 Holt-Winters指数平滑 预测 -
基于Joinpoint回归模型的住院量实证分析
目的 对医院住院量进行Joinpoint回归分析的实证研究.方法 应用SAS 9.3软件确定数据分析方法,应用Joinpoint回归分析软件建立Joinpoint回归预测模型.结果 该院住院患者人次数据为非正态分布W=0.69,P＜0.01,呈现指数趋势,应用非线性回归模型;Joinpoint回归分段点为1989年、1995年、2001年、2007年和2013年,5个分段点的假设检验(P＜0.05)具有统计学意义;根据Joinpoint回归方程预测2016-2020年住院量为189119,201119,213881,227452,241885.结论 Joinpoint回归分析可用于医院管理数据的分析与预测,且拟合效果较好;医院需迸一步优化服务流程,应对住院患者人数的变化.
-
某院近年来入院人次季节指数规律分析
目的 找出医院入院人次的季节变动规律.方法应用季节指数法对2006-2010年入院病人数据进行分析,计算出5年的月季节比率.结果入院人次在各月呈周期性变化,每年的3月、7月、8月和10～12月为高峰期,1月、2月、4～6月和9月为低谷期.结论应根据病人入院的季节规律,拟定医院管理方案,科学合理安排医疗资源.
-
应用折扣小二乘法预测医院入院人次
医院统计预测的方法很多,如何根据具体资料选择预测模型及估计参数,是统计预测的关键[1].现根据我院1991～2000年入院人次资料,探讨折扣小二乘法[2]在医院统计预测中的应用.
-
应用ARIMA模型对季度入院人次的预测
[目的]用ARIMA季节乘积模(p,d,q) (P,D,Q)s对季节性时间序列资料建模并预测.[方法]用Box-Ljung统计量评价ARIMA模型的拟和度,用平均预测相对误差作为预测效果的评价指标.[结果]对所分析的季节性时间序列建立了乘积ARIMA(0,1,1) (0,1,2)S模型,平均预测相对误差为6.50%.[结论]用所建立模型对入院人次进行预测,结果表明ARIMA是一种预测精度较高的预测模型.
-
应用指数平滑法预测医院的入院人次
目的预测未来某医院的入院人次,为医院管理服务.方法应用指数平滑法对2001～2004年该院的入院人次建立预测模型,并预测下一年各月入院人次.结果发现该院人次呈上升趋势;指数平滑参数α＝0.45,2001～2004年预测值与实际值比较,平均相对误差为9.88%.结论指数平滑法可以很好的模拟入院人次在时间序列上的变动趋势,并可用来对未来入院人次进行预测,为拟定医院管理方案提供科学资料和理论依据.
-
医院入院人次的预测与分析
目的：预测医院入院人次，为合理安排人力、物力，提高医院管理与服务水平提供科学依据。方法运用小二乘法和季节比重法进行预测。结果长期趋势回归方程为：Yt=6081.43+725.04t，长期趋势预测值乘以相应的季节比重得到的预测值与实际值相近。结论医院应根据入院人数的增加和季节的不同，合理调配人力、物力。
