CN111430020A - 基于人工智能的高值医用耗材管理方法 - Google Patents

基于人工智能的高值医用耗材管理方法 Download PDF

Info

Publication number
CN111430020A
CN111430020A CN202010308955.9A CN202010308955A CN111430020A CN 111430020 A CN111430020 A CN 111430020A CN 202010308955 A CN202010308955 A CN 202010308955A CN 111430020 A CN111430020 A CN 111430020A
Authority
CN
China
Prior art keywords
value medical
value
patient
information
probability
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN202010308955.9A
Other languages
English (en)
Inventor
孟庆国
党泽兵
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Bionlink Beijing Technology Co ltd
Original Assignee
Bionlink Beijing Technology Co ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Bionlink Beijing Technology Co ltd filed Critical Bionlink Beijing Technology Co ltd
Priority to CN202010308955.9A priority Critical patent/CN111430020A/zh
Publication of CN111430020A publication Critical patent/CN111430020A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H40/00—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices
    • G16H40/20—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the management or administration of healthcare resources or facilities, e.g. managing hospital staff or surgery rooms
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/08—Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
    • G06Q10/087—Inventory or stock management, e.g. order filling, procurement or balancing against orders
    • G06Q10/0875—Itemisation or classification of parts, supplies or services, e.g. bill of materials
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H10/00—ICT specially adapted for the handling or processing of patient-related medical or healthcare data
    • G16H10/60—ICT specially adapted for the handling or processing of patient-related medical or healthcare data for patient-specific data, e.g. for electronic patient records

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Medical Informatics (AREA)
  • Theoretical Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • General Business, Economics & Management (AREA)
  • Primary Health Care (AREA)
  • General Health & Medical Sciences (AREA)
  • Economics (AREA)
  • Epidemiology (AREA)
  • Public Health (AREA)
  • Software Systems (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Marketing (AREA)
  • Finance (AREA)
  • Strategic Management (AREA)
  • Quality & Reliability (AREA)
  • Biomedical Technology (AREA)
  • Operations Research (AREA)
  • Human Resources & Organizations (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Development Economics (AREA)
  • Tourism & Hospitality (AREA)
  • Artificial Intelligence (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • Accounting & Taxation (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Medical Treatment And Welfare Office Work (AREA)

Abstract

本发明公开一种基于人工智能的高值医用耗材管理方法，供应链管理系统获取第一高值医用耗材与使用该耗材的疾病名称标识之间的对应关系、以及预先根据对应关系涉及的患者患病信息形成的标签信息，根据标签信息计算患者具有不同标签信息时使用高值医用耗材的概率，利用人工智能的监督学习算法计算出使用高值医用耗材的概率对应权重值，基于第一高值医用耗材的概率和挂号患者信息，确定挂号后需要的第一高值医用耗材订购数量并向采购部门发送采购订单。利用本方法，可以对高值医用耗材使用量进行有效预测，为供应链管理系统采购提供重要参考依据，从而减少高值医用耗材物理空间占用率、降低资金成本占用、降低管理成本消耗和减少物流资源消耗。

Description

基于人工智能的高值医用耗材管理方法
技术领域
本发明属于数据通信技术领域，具体地说涉及一种基于人工智能的高值医用耗材管理方法。
背景技术
随着信息化的快速发展，医院的信息化建设和管理工作已经成为医院发展的重心。随着医院患者人数和业务量的迅猛增长，对供应链管理的要求也越来越高，尤其是占医院日常开支较高的高值医用耗材管理，现有医院供应链管理系统大都存在信息录入不及时、高值医用耗材的配发状态和实际使用量更新不及时等问题，往往造成订货数量和实际所需数量之间差距过大，流转效率过低，占用大量的库存空间、资金和管理开销。
因此，现有技术还有待于进一步发展和改进。
发明内容
针对现有技术的种种不足，为了解决上述问题，现提出一种基于人工智能的高值医用耗材管理方法。本发明提供如下技术方案：
一种基于人工智能的高值医用耗材管理方法，包括：
供应链管理系统获取标签信息，所述标签信息根据第一高值医用耗材与使用该耗材的疾病名称标识之间的对应关系涉及的患者的患病信息形成；
供应链管理系统根据所述标签信息，计算患者具有不同标签信息时使用第一高值医用耗材的概率；
供应链管理系统利用人工智能的监督学习算法计算出患者具有不同标签信息时使用第一高值医用耗材的概率对应权重值；
供应链管理系统基于下一时间窗口内挂号患者信息确定不同挂号患者使用所述第一高值医用耗材的概率，从而确定第一高值医用耗材订购数量；
供应链管理系统根据确定的第一高值医用耗材订购数量向采购部门发送采购电子订单。
进一步的，供应链管理系统根据获取的第一高值医用耗材的类别标识和名称标识提取出第一高值医用耗材的第一关系映射表，所述第一关系映射表包含所述第一高值医用耗材与涉及使用所述第一高值医用耗材的疾病名称标识之间的对应关系。
进一步的，供应链管理系统获取第一高值医用耗材涉及的第一疾病名称标识对应的第一信息表，所述第一信息表包含患者基本信息、就诊信息、是否使用所述第一高值医用耗材以及其它信息等要素的一种或多种；
所述患者基本信息包括：患者姓名、患者性别、患者年龄标识、既往病史包含疾病名称标识、患病时长标识；
所述就诊信息包括：就诊科室名称标识、就诊医生姓名标识、就诊日期标识、就诊季节标识、就诊次数标识、是否医保标识；
其他信息包括：是否吸烟、是否酗酒、就诊期间所在区域发生的大规模传染性疾病标识。
进一步的，供应链管理系统根据第二信息表中的标签信息计算对应第一疾病名称标识的患者具有不同标签信息时使用第一高值医用耗材的概率，所述第二信息表是以患者为单位将对应的要素依次打标签形成。
进一步的，计算第一疾病名称标识的患者具有不同标签信息时使用第一高值医用耗材的概率P1_1_est的方法如下：
1)供应链管理系统根据所述第二信息表中大量的数据确定具备标签信息j的患者使用第一高值医用耗材的概率的初始概率P1_1_j；
2)P1_1_est＝∑P1_1_j*W1_1_j，其中，j＝1…N，所述权重0<W1_1_j<1，且∑W1_1_j＝1。
进一步的，所述初始概率的确定方法为：先假设不同标签信息之间的概率分布为独立的，某个标签具备情况下使用第一高值医用耗材的患者数目除以总患者数得到初始概率。
进一步的，供应链管理系统利用人工智能的监督学习算法，不断增加第二信息表中的数据样本数据，并给定每个样本数据是否使用第一高值医用耗材的验证信息，不断调整W1_1_j，当得到P1_1_est大于第一预设门限时，将对应的W1_1_j作为患有所述第一疾病名称标识的患者使用第一高值医用耗材的概率监督学习算法的对应权重值；所述第一预设门限用于确定权重值。
进一步的，供应链管理系统利用第一高值医用耗材的概率监督学习方法可以训练得到所述供应链管理系统中每件高值医用耗材涉及的各项疾病标识所对应的患者使用所述高值医用耗材的概率计算公式中的各项标签信息对应的对应权重值。
进一步的，供应链管理系统从所述患者信息资料中按照第二信息表中的规则给各个挂号患者打标签，将患有所述第一疾病名称标识的患者提取对应的标签信息，使用第一高值医用耗材的概率监督学习算法得到的最优权重对应的概率计算公式，得到所述患者的使用第一高值医用耗材的概率，当所述第一高值医用耗材的概率大于第二预设门限时，供应链管理系统确定需要为所述患者订购第一高值医用耗材数量；所述第二预设门限用于确定是否订购第一高值医用耗材的概率门限。
进一步的，供应链管理系统按照确定第一高值医用耗材的订购数量的计算方法，根据从信息库获得下一时间窗口内的挂号患者信息，训练得到所述供应链管理系统中所有高值医用耗材在下一时间窗口内需要订购的数量。
有益效果：
利用本发明提供的方法，可以对高值医用耗材使用量进行有效预测，为供应链管理系统采购提供重要参考依据，从而减少高值医用耗材物理空间占用率、降低资金成本占用、降低管理成本消耗和减少物流资源消耗。
附图说明
图1是本发明具体实施例中基于人工智能的高值医用耗材管理方法流程图。
具体实施方式
为了使本领域的人员更好地理解本发明的技术方案，下面结合本发明的附图，对本发明的技术方案进行清楚、完整的描述，基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所获得的其它类同实施例，都应当属于本申请保护的范围。此外，以下实施例中提到的方向用词，例如“上”“下”“左”“右”等仅是参考附图的方向，因此，使用的方向用词是用来说明而非限制本发明创造。
如图1所示，一种基于人工智能的高值医用耗材管理方法，包括：
S100、供应链管理系统获取标签信息，标签信息根据第一高值医用耗材与使用该耗材的疾病名称标识之间的对应关系涉及的患者的患病信息形成；
S200、供应链管理系统根据标签信息，计算患者具有不同标签信息时使用第一高值医用耗材的概率；
S300、供应链管理系统利用人工智能的监督学习算法计算出患者具有不同标签信息时使用第一高值医用耗材的概率对应权重值；
S400、供应链管理系统基于下一时间窗口内挂号患者信息确定不同挂号患者使用第一高值医用耗材的概率，从而确定第一高值医用耗材订购数量；
S500、供应链管理系统根据确定的第一高值医用耗材订购数量向采购部门发送采购电子订单。
进一步的，供应链管理系统根据获取的第一高值医用耗材的类别标识和名称标识提取出第一高值医用耗材的第一关系映射表，第一关系映射表包含第一高值医用耗材与涉及使用第一高值医用耗材的疾病名称标识之间的对应关系，例如表1所示。
表1
Figure BDA0002456903020000041
进一步的，供应链管理系统获取第一高值医用耗材涉及的第一疾病名称标识对应的第一信息表，第一信息表包含患者基本信息、就诊信息、是否使用第一高值医用耗材以及其它信息等要素的一种或多种；
患者基本信息包括：患者姓名、患者性别、患者年龄标识、既往病史包含疾病名称标识、患病时长标识；
就诊信息包括：就诊科室名称标识、就诊医生姓名标识、就诊日期标识、就诊季节标识、就诊次数标识、是否医保标识；
其他信息包括：是否吸烟、是否酗酒、就诊期间所在区域发生的大规模传染性疾病标识；
其中，患者年龄标识、患者时长标识、就诊日期标识、就诊季节标识、就诊次数标识等信息的每个取值为一个要素；
例如，就诊季节标识中的春季为第一要素，夏季为第二要素，秋季为第三要素，冬季为第四要素；患者年龄标识是根据预设规则将年龄进行量化，例如，年龄为25-30时长标识为1，患病时长六个月至一年患病时长标识为2；患病时长标识是根据预设规则将时长进行量化，例如，患病时长三至六个月患病时长标识为1，患病时长六个月至一年患病时长标识为2。
进一步的，供应链管理系统根据第二信息表中的标签信息计算对应第一疾病名称标识的患者具有不同标签信息时使用第一高值医用耗材的概率，第二信息表是以患者为单位将对应的要素依次打标签形成，例如表2所示。
表2
Figure BDA0002456903020000051
Figure BDA0002456903020000061
进一步的，供应链管理系统利用人工智能的监督学习算法，不断增加第二信息表中的数据样本数据，并给定每个样本数据是否使用第一高值医用耗材的验证信息，不断调整Wj，当得到P1_1_est大于第一预设门限时，将对应的W1_1_j作为患有第一疾病名称标识的患者使用第一高值医用耗材的概率监督学习算法的对应权重值。
进一步的，计算第一疾病名称标识的患者具有不同标签信息时使用第一高值医用耗材的概率P1_1_est的方法如下：
1)供应链管理系统根据第二信息表中大量的数据确定具备标签信息j的患者使用第一高值医用耗材的概率的初始概率P1_1_j；
2)P1_1_est＝∑P1_1_j*W1_1_j，其中，j＝1…N，权重0<W1_1_j<1，且∑W1_1_j＝1。
进一步的，初始概率的确定方法为：先假设不同标签信息之间的概率分布为独立的，某个标签具备情况下使用第一高值医用耗材的患者数目除以总患者数得到初始概率。
进一步的，供应链管理系统利用人工智能的监督学习算法，不断增加第二信息表中的数据样本数据，并给定每个样本数据是否使用第一高值医用耗材的验证信息，不断调整W1_1_j，当得到P1_1_est大于第一预设门限时，将对应的W1_1_j作为患有第一疾病名称标识的患者使用第一高值医用耗材的概率监督学习算法的对应权重值；第一预设门限用于确定权重值。
进一步的，供应链管理系统利用第一高值医用耗材的概率监督学习方法可以训练得到供应链管理系统中每件高值医用耗材涉及的各项疾病标识所对应的患者使用高值医用耗材的概率计算公式中的各项标签信息对应的对应权重值。
进一步的，供应链管理系统从信息库获得下一时间窗口内的挂号患者信息资料，下一时间窗口通常为下一周或下两周，从患者信息资料中按照第二信息表中的规则给各个挂号患者打标签，将患有第一疾病名称标识的患者提取对应的标签信息，使用第一高值医用耗材的概率监督学习算法得到的最优权重对应的概率计算公式，得到患者的使用第一高值医用耗材的概率，当第一高值医用耗材的概率大于第二预设门限时，供应链管理系统确定需要为患者订购第一高值医用耗材数量；第二预设门限用于确定是否订购第一高值医用耗材的概率门限。
进一步的，供应链管理系统按照确定第一高值医用耗材的订购数量的计算方法，根据从信息库获得下一时间窗口内的挂号患者信息，训练得到供应链管理系统中所有高值医用耗材在下一时间窗口内需要订购的数量。
供应链管理系统根据高值医用耗材与所涉及疾病关系确定患者的各项标签信息与使用对应高值医用耗材的概率，从而确定具备特定标签信息的疾病患者使用对应高值医用耗材的概率，生成高值医用耗材的电子订单。利用本发明提供的方法，可以对高值医用耗材使用量进行有效预测，为供应链管理系统采购提供重要参考依据，从而减少高值医用耗材物理空间占用率、降低资金成本占用、降低管理成本消耗和减少物流资源消耗。
以上已将本发明做一详细说明，以上，仅为本发明之较佳实施例而已，当不能限定本发明实施范围，即凡依本申请范围所作均等变化与修饰，皆应仍属本发明涵盖范围内。

Claims (10)

1.一种基于人工智能的高值医用耗材管理方法，其特征在于，包括：
供应链管理系统获取标签信息，所述标签信息根据第一高值医用耗材与使用该耗材的疾病名称标识之间的对应关系涉及的患者的患病信息形成；
供应链管理系统根据所述标签信息，计算患者具有不同标签信息时使用第一高值医用耗材的概率；
供应链管理系统利用人工智能的监督学习算法计算出患者具有不同标签信息时使用第一高值医用耗材的概率对应权重值；
供应链管理系统基于下一时间窗口内挂号患者信息确定不同挂号患者使用所述第一高值医用耗材的概率，从而确定第一高值医用耗材订购数量；
供应链管理系统根据确定的第一高值医用耗材订购数量向采购部门发送采购电子订单。
2.根据权利要求1所述的基于人工智能的高值医用耗材管理方法，其特征在于，供应链管理系统根据获取的第一高值医用耗材的类别标识和名称标识提取出第一高值医用耗材的第一关系映射表，所述第一关系映射表包含所述第一高值医用耗材与涉及使用所述第一高值医用耗材的疾病名称标识之间的对应关系。
3.根据权利要求2所述的基于人工智能的高值医用耗材管理方法，其特征在于，供应链管理系统获取第一高值医用耗材涉及的第一疾病名称标识对应的第一信息表，所述第一信息表包含患者基本信息、就诊信息、是否使用所述第一高值医用耗材以及其它信息等要素的一种或多种；
所述患者基本信息包括：患者姓名、患者性别、患者年龄标识、既往病史包含疾病名称标识、患病时长标识；
所述就诊信息包括：就诊科室名称标识、就诊医生姓名标识、就诊日期标识、就诊季节标识、就诊次数标识、是否医保标识；
其他信息包括：是否吸烟、是否酗酒、就诊期间所在区域发生的大规模传染性疾病标识。
4.根据权利要求3所述的基于人工智能的高值医用耗材管理方法，其特征在于，供应链管理系统根据第二信息表中的标签信息计算对应第一疾病名称标识的患者具有不同标签信息时使用第一高值医用耗材的概率，所述第二信息表是以患者为单位将对应的要素依次打标签形成。
5.根据权利要求4所述的基于人工智能的高值医用耗材管理方法，其特征在于，计算第一疾病名称标识的患者具有不同标签信息时使用第一高值医用耗材的概率P1_1_est的方法如下：
1)供应链管理系统根据所述第二信息表中大量的数据确定具备标签信息j的患者使用第一高值医用耗材的概率的初始概率P1_1_j；
2)P1_1_est＝∑P1_1_j*W1_1_j，其中，j＝1…N，所述权重0<W1_1_j<1，且∑W1_1_j＝1。
6.根据权利要求5所述的基于人工智能的高值医用耗材管理方法，其特征在于，所述初始概率的确定方法为：先假设不同标签信息之间的概率分布为独立的，某个标签具备情况下使用第一高值医用耗材的患者数目除以总患者数得到初始概率。
7.根据权利要求5所述的基于人工智能的高值医用耗材管理方法，其特征在于，供应链管理系统利用人工智能的监督学习算法，不断增加第二信息表中的数据样本数据，并给定每个样本数据是否使用第一高值医用耗材的验证信息，不断调整W1_1_j，当得到P1_1_est大于第一预设门限时，将对应的W1_1_j作为患有所述第一疾病名称标识的患者使用第一高值医用耗材的概率监督学习算法的对应权重值；所述第一预设门限用于确定权重值。
8.根据权利要求7所述的基于人工智能的高值医用耗材管理方法，其特征在于，供应链管理系统利用第一高值医用耗材的概率监督学习方法可以训练得到所述供应链管理系统中每件高值医用耗材涉及的各项疾病标识所对应的患者使用所述高值医用耗材的概率计算公式中的各项标签信息对应的对应权重值。
9.根据权利要求8所述的基于人工智能的高值医用耗材管理方法，其特征在于，供应链管理系统从信息库获得下一时间窗口内的挂号患者信息资料，从所述患者信息资料中按照第二信息表中的规则给各个挂号患者打标签，将患有所述第一疾病名称标识的患者提取对应的标签信息，使用第一高值医用耗材的概率监督学习算法得到的最优权重对应的概率计算公式，得到所述患者的使用第一高值医用耗材的概率，当所述第一高值医用耗材的概率大于第二预设门限时，供应链管理系统确定需要为所述患者订购第一高值医用耗材数量；所述第二预设门限用于确定是否订购第一高值医用耗材的概率门限。
10.根据权利要求9所述的基于人工智能的高值医用耗材管理方法，其特征在于，供应链管理系统按照确定第一高值医用耗材的订购数量的计算方法，根据从信息库获得下一时间窗口内的挂号患者信息，训练得到所述供应链管理系统中所有高值医用耗材在下一时间窗口内需要订购的数量。
CN202010308955.9A 2020-04-19 2020-04-19 基于人工智能的高值医用耗材管理方法 Pending CN111430020A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010308955.9A CN111430020A (zh) 2020-04-19 2020-04-19 基于人工智能的高值医用耗材管理方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010308955.9A CN111430020A (zh) 2020-04-19 2020-04-19 基于人工智能的高值医用耗材管理方法

Publications (1)

Publication Number Publication Date
CN111430020A true CN111430020A (zh) 2020-07-17

Family

ID=71552665

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010308955.9A Pending CN111430020A (zh) 2020-04-19 2020-04-19 基于人工智能的高值医用耗材管理方法

Country Status (1)

Country Link
CN (1) CN111430020A (zh)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104573840A (zh) * 2013-10-17 2015-04-29 中国人民解放军第二军医大学 医用耗材预估补货系统及其计算方法
CN108417256A (zh) * 2018-02-01 2018-08-17 北京至诚悠远科技有限公司 基于医疗健康大数据的医疗耗材治理方法及其处理系统
CN108766543A (zh) * 2018-05-29 2018-11-06 南京凯普瑞信息科技有限公司 一种基于供应链平台上医用耗材自动补货算法和实现
US20180318167A1 (en) * 2004-10-01 2018-11-08 Edge Medical Properties, Llc Tablet packaging system
US20200035344A1 (en) * 2013-05-23 2020-01-30 Carefusion 303, Inc. Medication preparation queue

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20180318167A1 (en) * 2004-10-01 2018-11-08 Edge Medical Properties, Llc Tablet packaging system
US20200035344A1 (en) * 2013-05-23 2020-01-30 Carefusion 303, Inc. Medication preparation queue
CN104573840A (zh) * 2013-10-17 2015-04-29 中国人民解放军第二军医大学 医用耗材预估补货系统及其计算方法
CN108417256A (zh) * 2018-02-01 2018-08-17 北京至诚悠远科技有限公司 基于医疗健康大数据的医疗耗材治理方法及其处理系统
CN108766543A (zh) * 2018-05-29 2018-11-06 南京凯普瑞信息科技有限公司 一种基于供应链平台上医用耗材自动补货算法和实现

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
黄晓晨: "基于医疗供应链的G医院医用耗材精细化管理研究", 《中国优秀硕士学位论文全文数据库（电子期刊）《中国优秀硕士学位论文全文数据库（电子期刊）《中国优秀硕士学位论文全文数据库（电子期刊）医药卫生科技辑》》》 *

Similar Documents

Publication Publication Date Title
Averill et al. The evolution of casemix measurement using diagnosis related groups (DRGs)
Al Yousuf et al. Organization of the Saudi health system
CN104951894A (zh) 医院疾病管理智能分析和评估系统
Schumann et al. Towards automating the deployment of energy saving approaches in buildings
CN107680661B (zh) 用于估计医疗资源需求的系统和方法
Gross et al. Unique device identification in the service of public health
CN103310398A (zh) 一种区域医疗服务中病人身份高效识别匹配算法方案
O'Neill et al. Uncommon combinations of ICD10-PCS or ICD-9-CM operative procedure codes account for most inpatient surgery at half of Texas hospitals
CN112489747A (zh) 基于分析模型的慢性病患者监管方法、装置、设备及介质
Fallacaro et al. Distribution of US anesthesia providers and services.
CN111430020A (zh) 基于人工智能的高值医用耗材管理方法
US20150317743A1 (en) Medicare advantage risk adjustment
JP6801869B2 (ja) 医薬品在庫管理システム、医薬品在庫管理装置、医薬品在庫管理方法、プログラム
Baloch et al. Covid-19 PPE distribution planning with demand priorities and supply uncertainties
Saha et al. Inventory management and analysis of pharmaceuticals in a healthcare system
Wang et al. Catchment area analysis using Bayesian regression modeling
Sengupta et al. A better approach to modeling emergency care service
CN116313016A (zh) 医疗物资调配方法、装置、电子设备及计算机可读存储介质
Huang et al. Measuring outcomes in healthcare economics using Artificial Intelligence: With application to resource management
CN114596958A (zh) 基于级联分类的病理数据分类方法、装置、设备及介质
Braithwaite et al. Microsimulation of financial impact of demand surge on hospitals: the H1N1 influenza pandemic of fall 2009
Lau et al. Development of a cost‐optimization model to reduce bottlenecks: A health service case study
CN113706111A (zh) 医疗机构流程数据的处理方法、装置、设备及介质
CN113223677A (zh) 针对患者的医生匹配方法及装置
CN110210984A (zh) 大病医保政策调整对基金支出影响的量化方法及系统

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20200717