CN116453661A - 一种基于供需关系的应急医疗资源配置方法及系统 - Google Patents
一种基于供需关系的应急医疗资源配置方法及系统 Download PDFInfo
- Publication number
- CN116453661A CN116453661A CN202211196059.3A CN202211196059A CN116453661A CN 116453661 A CN116453661 A CN 116453661A CN 202211196059 A CN202211196059 A CN 202211196059A CN 116453661 A CN116453661 A CN 116453661A
- Authority
- CN
- China
- Prior art keywords
- data
- demand
- medical material
- material demand
- resource allocation
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 23
- 238000013468 resource allocation Methods 0.000 title claims abstract description 22
- 239000012567 medical material Substances 0.000 claims abstract description 45
- 230000007480 spreading Effects 0.000 claims abstract description 16
- 238000004364 calculation method Methods 0.000 claims description 21
- 238000010276 construction Methods 0.000 claims description 18
- 208000015181 infectious disease Diseases 0.000 claims description 15
- 238000011534 incubation Methods 0.000 claims description 9
- 238000011084 recovery Methods 0.000 claims description 5
- 238000007781 pre-processing Methods 0.000 claims description 3
- 238000004140 cleaning Methods 0.000 claims description 2
- 230000035876 healing Effects 0.000 claims description 2
- 239000000463 material Substances 0.000 abstract description 23
- 206010035664 Pneumonia Diseases 0.000 abstract description 3
- 230000002354 daily effect Effects 0.000 description 4
- 230000001681 protective effect Effects 0.000 description 3
- 201000010099 disease Diseases 0.000 description 2
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000036541 health Effects 0.000 description 2
- NAWXUBYGYWOOIX-SFHVURJKSA-N (2s)-2-[[4-[2-(2,4-diaminoquinazolin-6-yl)ethyl]benzoyl]amino]-4-methylidenepentanedioic acid Chemical compound C1=CC2=NC(N)=NC(N)=C2C=C1CCC1=CC=C(C(=O)N[C@@H](CC(=C)C(O)=O)C(O)=O)C=C1 NAWXUBYGYWOOIX-SFHVURJKSA-N 0.000 description 1
- 208000035473 Communicable disease Diseases 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000006806 disease prevention Effects 0.000 description 1
- 230000003203 everyday effect Effects 0.000 description 1
- 238000002955 isolation Methods 0.000 description 1
- 238000012886 linear function Methods 0.000 description 1
- 230000005012 migration Effects 0.000 description 1
- 238000013508 migration Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 230000005180 public health Effects 0.000 description 1
- 230000029058 respiratory gaseous exchange Effects 0.000 description 1
- 238000004659 sterilization and disinfection Methods 0.000 description 1
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
- 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
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/80—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for detecting, monitoring or modelling epidemics or pandemics, e.g. flu
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Health & Medical Sciences (AREA)
- Public Health (AREA)
- Engineering & Computer Science (AREA)
- Medical Informatics (AREA)
- Primary Health Care (AREA)
- Epidemiology (AREA)
- General Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- General Business, Economics & Management (AREA)
- Business, Economics & Management (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Pathology (AREA)
- Medical Treatment And Welfare Office Work (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种基于供需关系的应急医疗资源配置方法及系统,涉及疫情应急决策技术领域,具体步骤为:基于历史数据获取各个区域的人群数据;对各个区域的人群数据进行类别划分;基于不同类别的数据构建疫情传播模型和医疗物资需求预测模型;基于医疗物资需求预测模型计算各个区域的医疗物资需求量;本发明以新冠肺炎疫情SEIR模型为基础,建立医疗物资需求预测模型,根据预测患病感染人数和实际患病感染人数,采用时变需求模型预测每日物资需求量,根据实时更新的信息预测物资需求用以制定合理的物资分配方案,使物资分配方案更具有前瞻性,为各个区域的物资分配提供可靠的理论支持。
Description
技术领域
本发明涉及疫情应急决策技术领域,更具体的说是涉及一种基于供需关系的应急医疗资源配置方法及系统。
背景技术
任一地区的新冠肺炎疫情暴发会使当地医疗资源面临巨大挑战。若传染病疫情发生在特大城市,人口稠密,且由于传染病传染性强,疫情通过人传人迅速向周边地区乃至其他区域扩散。因疫情封城后,大量医疗设施、医药物资、生活用品等应急资源的配置面临极大的挑战。由于疫情来得突然、扩散蔓延快、治疗技术匮乏、危害程度深等原因,导致原有资源配置出现失衡,这一失衡状态进一步蔓延到地区结构、产业结构、市场结构、企业结构在资源配置上的失衡。具体表现为,医疗资源包括医疗物资(防护器具、消毒物资、医药物品)、医疗服务人才、医疗服务技术、城市交通服务、信息资源共享等严重不足。
而目前在疫情应急决策领域中,尚未有将疫情预测和医疗资源分配进行联合决策的专利。例如中国专利号为CN202010738486.4的“一种基于多目标优化的应急医疗资源分配方法”以最小化高危人群与感染程度为目标,利用粒子群算法对N个区域的应急医疗资源分配方案进行决策。中国专利号为CN202011237212.3的“一种突发公共卫生事件医疗物资智能调配系统”通过对应急物资紧急保障流程特征分析确定物资优先级,并设计了一种基于优先级调配函数原则建设应急医疗物资智能调配追溯信息系统架构。从中不难看出现有的资源分配方法中均是基于专家经验或者反应式的决策方式,其做出的决策由于没有前瞻性,可用程度不高,因此如何获得一个具有前瞻性的分配策略是本领域技术人员亟需解决的问题。
发明内容
有鉴于此,本发明提供了一种基于供需关系的应急医疗资源配置方法及系统,克服了上述缺陷。
为了实现上述目的,本发明提供如下技术方案:
一种基于供需关系的应急医疗资源配置方法,具体步骤为:
数据获取:基于历史数据获取各个区域的人群数据;
人群分类:对各个区域的人群数据进行类别划分;
模型构建:基于不同类别的数据构建疫情传播模型和医疗物资需求预测模型;
资源需求量计算:基于医疗物资需求预测模型计算各个区域的医疗物资需求量。
可选的,人群分类的类别包括:易感、潜伏、感染、痊愈、死亡。
可选的,疫情传播模型包括:
1)人群数量N的计算公式为:
N=S(t)+E(t)+I(t)+R(t)+D(t);
2)易感者数量的计算公式为:
S(t+1)=S(t)-βkS(t)I(t)-brS(t)E(t);
3)潜伏期感染者数量的计算公式为:
E(t+1)=E(t)-βkS(t)I(t)+brS(t)E(t)-dE(t);
4)患病感染者数量的计算公式为:
I(t+1)=I(t)+dE(t)-(α+δ)I(t);
5)痊愈者数量的计算公式为:
R(t+1)=R(t)+δI(t);
6)死亡者数量的计算公式为:
D(t+1)=D(t)+αI(t);
其中,S(t)为t时刻易感者数量;E(t)为t时刻潜伏期感染者数量;I(t)为t时刻患病感染者数量;R(t)为t时刻痊愈者数量;D(t)为t时刻死亡者数量;β为患病感染者的传染概率;k为每个患病感染者平均接触的人数;b为潜伏期感染者的传染概率;r为每个潜伏期感染者平均接触的人数;d为潜伏期感染者患病概率;α为死亡率;δ为康复率。
可选的,医疗物资需求预测模型:
dn=(1+ηn-1)(1-δ/T)dn-1=(1+η0)(1+η1)(1+η2)···(1+ηn-1)(1-δ/T)nd0;
式中,ηt为前期配置影响值;δ为康复率;T为治疗周期;d为潜伏期感染者患病概率。
可选的,前期配置影响值ηt的计算公式为:
ηt=(dt+1-dt)/dt。
一种基于供需关系的应急医疗资源配置系统,包括:数据采集模块、数据分类模块、模型构建模块、运算模块;
所述数据采集模块,用于根据历史数据获取各个区域的人群数据;
所述数据分类模块,用于对各个区域的人群数据进行类别划分;
所述模型构建模块,用于根据不同的类别的数据构建疫情传播模型和医疗物资需求预测模型;
所述运算模块,用于基于医疗物资需求预测模型计算各个区域的医疗物资需求量。
可选的,模型构建模块包括疫情传播模型构建模块和医疗物资需求预测模型构建模块;
所述疫情传播模型构建模块,用于根据不同类别的数据构建疫情传播模型;
所述医疗物资需求预测模型构建模块,用于根据不同类别的数据以及疫情传播模型构建医疗物资需求预测模型。
可选的,数据分类模块还包括预处理模块,用于对人群数据进行清洗与统一。
经由上述的技术方案可知,与现有技术相比,本发明公开了一种基于供需关系的应急医疗资源配置方法及系统,以新冠肺炎疫情SEIR模型为基础,建立医疗物资需求预测模型,根据预测患病感染人数和实际患病感染人数,采用时变需求模型预测每日物资需求量,根据实时更新的信息预测物资需求用以制定合理的物资分配方案,使物资分配方案更具有前瞻性,为各个区域的物资分配提供可靠的理论支持。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据提供的附图获得其他的附图。
图1为本发明的方法流程示意图;
图2为本发明的系统结构示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
本发明实施例公开了一种基于供需关系的应急医疗资源配置方法,如图1所示,具体步骤为:
步骤1、数据采集,基于历史数据获取各个区域的人群数据;具体为:
从中国疾病预防控制中心和世界卫生组织获取新冠疫情的数据(以日为数据记录单位),并计算得到当前感染人数、死亡人数、痊愈人数和健康人数。
步骤2、人群分类:对各个区域的人群数据进行类别划分,具体为:
基于新冠疫情演化特征,考虑隔离措施的影响,建立SEIR模型模拟疫情传播和发展趋势。在疫情产生、传播、爆发和衰退对各个区域的人群数据进行类别划分整个过程中,感染者、康复者和死亡者数量随时间不断变化,而医疗物资需求量与感染者数量息息相关,因此首先预测患病感染者和潜伏期感染者数量,接着计算医疗救援物资和防护物资的需求量。基于SEIR模型,不考虑人口迁徙、自然出生和死亡,将人群N分为易感、潜伏、感染、痊愈和死亡五类。
步骤3、模型构建:基于不同类别的数据构建疫情传播模型和医疗物资需求预测模型,具体为:
新冠肺炎疫情SEIR模型包括:
1)人群N的计算公式为:
N=S(t)+E(t)+I(t)+R(t)+D(t) (1);
2)易感者数量的计算公式为:
S(t+1)=S(t)-βkS(t)I(t)-brS(t)E(t) (2);
3)潜伏期感染者数量的计算公式为:
E(t+1)=E(t)-βkS(t)I(t)+brS(t)E(t)-dE(t) (3);
4)患病感染者数量的计算公式为:
I(t+1)=I(t)+dE(t)-(α+δ)I(t) (4);
5)痊愈者数量的计算公式为:
R(t+1)=R(t)+δI(t) (5);
6)死亡者数量的计算公式为:
D(t+1)=D(t)+αI(t) (6);
其中,S(t)为t时刻易感者数量,也即t时刻健康人群数量;E(t)为t时刻潜伏期感染者数量;I(t)为t时刻患病感染者数量;R(t)为t时刻痊愈者数量;D(t)为t时刻死亡者数量;β为患病感染者的传染概率;k为每个患病感染者平均接触的人数;b为潜伏期感染者的传染概率;r为每个潜伏期感染者平均接触的人数;d为潜伏期感染者患病概率;α为死亡率;δ为康复率,β,b,d,α,δ>0。
医疗物资需求预测模型:基于SEIR模型,建立医疗物资需求预测模型。假设t时刻医疗物资需求量是关于患病感染人数的函数,如式(7),通常采用线性函数形式,即式(8),其中a为系数。
dt=f[I(t)] (7);
dt=a·I(t) (8);
对于口罩和防护服等每天或每隔一段时间需要更换的物资,其需求为患病感染者的函数,根据式(7),可以得到t和t+1时刻该类物资需求量分别为dt和dt+1。对于呼吸机和床位这类可以反复使用的物资,其需求量会随时间变化,早期医疗物资配置会在一定程度上减缓疫情,并影响后期物资实际需求量。实际应急救援中,t时刻可能会有pt单位的救援物资到达。在这种情况下,t+1时刻实际需要配送的物资量为dt+1-pt,而不是dt+1。引入因子ηt,建立式(9)衡量前期物资配置量对后期物资需求的影响。
ηt=(dt+1-dt)/dt,t=0,1,2,...,n-1 (9);
患病感染者接受一定时间的治疗后恢复健康,假设患病感染者的治疗周期为T,有效治愈率为δ,得到t=1时刻的医疗物资需求量,如式(10)所示;t=2和t=3时刻的医疗物资需求量,分别如式(11)和(12)所示。
d1=(1+η0)(1-δ/T)d0 (10);
d2=(1+η1)(1-δ/T)d1=(1+η0)(1+η1)(1-δ/T)2d0 (11);
d3=(1+η2)(1-δ/T)d2=(1+η0)(1+η1)(1+η2)(1-δ/T)3d0 (12);
由式(10)~(12),得到递推公式(13),也即t=n时刻的医疗物资需求量:
dn=(1+ηn-1)(1-δ/T)dn-1=(1+η0)(1+η1)(1+η2)···(1+ηn-1)(1-δ/T)nd0 (13);
步骤4、资源需求量计算:基于医疗物资需求预测模型计算各个区域的医疗物资需求量,具体为:
以每天为一个决策周期,根据计算得到时变需求下每天的物资需求量。
本发明还包括一种基于供需关系的应急医疗资源配置系统,如图2所示,包括:数据采集模块、数据分类模块、模型构建模块、运算模块;
所述数据采集模块,用于根据历史数据获取各个区域的人群数据;
所述数据分类模块,用于对各个区域的人群数据进行类别划分;
所述模型构建模块,用于根据不同的类别的数据构建疫情传播模型和医疗物资需求预测模型;
所述运算模块,用于基于医疗物资需求预测模型计算各个区域的医疗物资需求量。
其中,模型构建模块包括疫情传播模型构建模块和医疗物资需求预测模型构建模块;
所述疫情传播模型构建模块,用于根据不同类别的数据构建疫情传播模型;
所述医疗物资需求预测模型构建模块,用于根据不同类别的数据以及疫情传播模型构建医疗物资需求预测模型。
在另一实施例中,数据分类模块还包括预处理模块,用于对人群数据进行清洗与统一。
本说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似部分互相参见即可。对于实施例公开的装置而言,由于其与实施例公开的方法相对应,所以描述的比较简单,相关之处参见方法部分说明即可。
对所公开的实施例的上述说明,使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下,在其它实施例中实现。因此,本发明将不会被限制于本文所示的这些实施例,而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
Claims (8)
1.一种基于供需关系的应急医疗资源配置方法,其特征在于,具体步骤为:
数据获取:基于历史数据获取各个区域的人群数据;
人群分类:对各个区域的人群数据进行类别划分;
模型构建:基于不同类别的数据构建疫情传播模型和医疗物资需求预测模型;
资源需求量计算:基于医疗物资需求预测模型计算各个区域的医疗物资需求量。
2.根据权利要求1所述的一种基于供需关系的应急医疗资源配置方法,其特征在于,人群分类的类别包括:易感、潜伏、感染、痊愈、死亡。
3.根据权利要求2所述的一种基于供需关系的应急医疗资源配置方法,其特征在于,疫情传播模型包括:
1)人群数量N的计算公式为:
N=S(t)+E(t)+I(t)+R(t)+D(t);
2)易感者数量的计算公式为:
S(t+1)=S(t)-βkS(t)I(t)-brS(t)E(t);
3)潜伏期感染者数量的计算公式为:
E(t+1)=E(t)-βkS(t)I(t)+brS(t)E(t)-dE(t);
4)患病感染者数量的计算公式为:
I(t+1)=I(t)+dE(t)-(α+δ)I(t);
5)痊愈者数量的计算公式为:
R(t+1)=R(t)+δI(t);
6)死亡者数量的计算公式为:
D(t+1)=D(t)+αI(t);
其中,S(t)为t时刻易感者数量;E(t)为t时刻潜伏期感染者数量;I(t)为t时刻患病感染者数量;R(t)为t时刻痊愈者数量;D(t)为t时刻死亡者数量;β为患病感染者的传染概率;k为每个患病感染者平均接触的人数;b为潜伏期感染者的传染概率;r为每个潜伏期感染者平均接触的人数;d为潜伏期感染者患病概率;α为死亡率;δ为康复率。
4.根据权利要求1所述的一种基于供需关系的应急医疗资源配置方法,其特征在于,医疗物资需求预测模型:
dn=(1+ηn-1)(1-δ/T)dn-1=(1+η0)(1+η1)(1+η2)···(1+ηn-1)(1-δ/T)nd0;
式中,ηt为前期配置影响值;δ为康复率;T为治疗周期;d为潜伏期感染者患病概率。
5.根据权利要求4所述的一种基于供需关系的应急医疗资源配置方法,其特征在于,前期配置影响值ηt的计算公式为:
ηt=(dt+1-dt)/dt。
6.一种基于供需关系的应急医疗资源配置系统,其特征在于,包括:数据采集模块、数据分类模块、模型构建模块、运算模块;
所述数据采集模块,用于根据历史数据获取各个区域的人群数据;
所述数据分类模块,用于对各个区域的人群数据进行类别划分;
所述模型构建模块,用于根据不同的类别的数据构建疫情传播模型和医疗物资需求预测模型;
所述运算模块,用于基于医疗物资需求预测模型计算各个区域的医疗物资需求量。
7.根据权利要求6所述的一种基于供需关系的应急医疗资源配置系统,其特征在于,模型构建模块包括疫情传播模型构建模块和医疗物资需求预测模型构建模块;
所述疫情传播模型构建模块,用于根据不同类别的数据构建疫情传播模型;
所述医疗物资需求预测模型构建模块,用于根据不同类别的数据以及疫情传播模型构建医疗物资需求预测模型。
8.根据权利要求6所述的一种基于供需关系的应急医疗资源配置系统,其特征在于,数据分类模块还包括预处理模块,用于对人群数据进行清洗与统一。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211196059.3A CN116453661A (zh) | 2022-09-28 | 2022-09-28 | 一种基于供需关系的应急医疗资源配置方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211196059.3A CN116453661A (zh) | 2022-09-28 | 2022-09-28 | 一种基于供需关系的应急医疗资源配置方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116453661A true CN116453661A (zh) | 2023-07-18 |
Family
ID=87126248
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211196059.3A Pending CN116453661A (zh) | 2022-09-28 | 2022-09-28 | 一种基于供需关系的应急医疗资源配置方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116453661A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116910661A (zh) * | 2023-09-08 | 2023-10-20 | 奇点数联(北京)科技有限公司 | 一种基于数据驱动的医疗物资分配系统 |
CN117172501A (zh) * | 2023-09-21 | 2023-12-05 | 奇点数联(北京)科技有限公司 | 一种基于数据挖掘的物资分配系统 |
-
2022
- 2022-09-28 CN CN202211196059.3A patent/CN116453661A/zh active Pending
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116910661A (zh) * | 2023-09-08 | 2023-10-20 | 奇点数联(北京)科技有限公司 | 一种基于数据驱动的医疗物资分配系统 |
CN116910661B (zh) * | 2023-09-08 | 2023-12-08 | 奇点数联(北京)科技有限公司 | 一种基于数据驱动的医疗物资分配系统 |
CN117172501A (zh) * | 2023-09-21 | 2023-12-05 | 奇点数联(北京)科技有限公司 | 一种基于数据挖掘的物资分配系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN116453661A (zh) | 一种基于供需关系的应急医疗资源配置方法及系统 | |
Roy et al. | Determinants of incident vertebral fracture in men and women: results from the European Prospective Osteoporosis Study (EPOS) | |
Xie et al. | Artificial neural network modeling for deciding if extractions are necessary prior to orthodontic treatment | |
El‐Darzi et al. | A simulation modelling approach to evaluating length of stay, occupancy, emptiness and bed blocking in a hospital geriatric department | |
Curtis et al. | Potties, pits and pipes: explaining hygiene behaviour in Burkina Faso | |
Autier et al. | Costs induced by hip fractures: a prospective controlled study in Belgium | |
van Veen-Berkx et al. | Dedicated operating room for emergency surgery generates more utilization, less overtime, and less cancellations | |
Lukman et al. | COVID-19 prevalence estimation: Four most affected African countries | |
Stamm et al. | Risk assessment for oral diseases | |
Pong et al. | Effect of electronic real-time prompting on hand hygiene behaviors in health care workers | |
Lai et al. | Assessing the effect of global travel and contact restrictions on mitigating the COVID-19 pandemic | |
Chumachenko et al. | Development of an intelligent agent-based model of the epidemic process of syphilis | |
Milazzo et al. | Modelling of healthcare associated infections: a study on the dynamics of pathogen transmission by using an individual-based approach | |
Li et al. | Toward the impact of non-pharmaceutical interventions and vaccination on the COVID-19 pandemic with time-dependent SEIR model | |
Li et al. | Elementary effects analysis of factors controlling COVID-19 infections in computational simulation reveals the importance of social distancing and mask usage | |
Bai | Simulations of COVID-19 spread by spatial agent-based model and ordinary differential equations | |
Shen | What roles do population and migration flows play in the spatial diffusion of COVID-19 from Wuhan City to provincial regions in China? | |
Macal et al. | Modeling the spread of community-associated MRSA | |
Allareddy et al. | Factors associated with hospitalization charges for cleft palate repairs and revisions | |
Cooley et al. | Using influenza-like illness data to reconstruct an influenza outbreak | |
Truchon et al. | Shaping quality through vision, structure, and monitoring of performance and quality indicators: impact story from the Quebec trauma network | |
ATALAN et al. | Estimation of the utilization rates of the resources of a dental clinic by simulation | |
Frohlich et al. | Estimating personal care home bed requirements | |
Vasilakis et al. | Comparing two methods of scheduling outpatient clinic appointments using simulation experiments | |
Zgaya et al. | A workflow model to analyse pediatric emergency overcrowding. |
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 |