您的账号已在其他设备登录,您当前账号已强迫下线,
如非您本人操作,建议您在会员中心进行密码修改

确定
收藏 | 浏览59 | 下载15

目的:构建医用装备诊疗检查需求预测的差分自回归移动平均(ARIMA)模型,为管理决策提供参考依据.方法:以2013-2018年医院核磁共振(MR)诊疗检查数据为基础序列,应用SPSS统计软件建立ARIMA模型,运用拟合评价指标对预测模型进行拟合评价.选取2019年MR检查数据对预测数据进行精度检验,预测2020年MR检查数据.结果:构建的预测模型描述为ARIMA(0,1,1)(0,1,0)12,该模型拟合评价总体良好;2019年的数据精度检验评价合理且检验合格,预测数据在置信区间为95%的相对误差控制在-5.74%~5.82%,预测精度良好.该模型可用于2020年MR检查需求预测.结论:SPSS统计软件的运用简化了预测模型的构建、评价和应用,构建的ARIMA预测模型和预测数据可作为医疗机构进行医技排程统筹管理、医技资源整体调度、装备配置合理优化和诊疗服务满意提升的决策参考.

作者:刘伟军;张千彧;李帅帅;王凤;张恩科

来源:中国医学装备 2020 年 17卷 9期

知识库介绍

临床诊疗知识库该平台旨在解决临床医护人员在学习、工作中对医学信息的需求,方便快速、便捷的获取实用的医学信息,辅助临床决策参考。该库包含疾病、药品、检查、指南规范、病例文献及循证文献等多种丰富权威的临床资源。

详细介绍
热门关注
免责声明:本知识库提供的有关内容等信息仅供学习参考,不代替医生的诊断和医嘱。

收藏
| 浏览:59 | 下载:15
作者:
刘伟军;张千彧;李帅帅;王凤;张恩科
来源:
中国医学装备 2020 年 17卷 9期
标签:
SPSS统计软件 差分自回归移动平均(ARIMA)模型 医用装备 需求预测 模型构建
目的:构建医用装备诊疗检查需求预测的差分自回归移动平均(ARIMA)模型,为管理决策提供参考依据.方法:以2013-2018年医院核磁共振(MR)诊疗检查数据为基础序列,应用SPSS统计软件建立ARIMA模型,运用拟合评价指标对预测模型进行拟合评价.选取2019年MR检查数据对预测数据进行精度检验,预测2020年MR检查数据.结果:构建的预测模型描述为ARIMA(0,1,1)(0,1,0)12,该模型拟合评价总体良好;2019年的数据精度检验评价合理且检验合格,预测数据在置信区间为95%的相对误差控制在-5.74%~5.82%,预测精度良好.该模型可用于2020年MR检查需求预测.结论:SPSS统计软件的运用简化了预测模型的构建、评价和应用,构建的ARIMA预测模型和预测数据可作为医疗机构进行医技排程统筹管理、医技资源整体调度、装备配置合理优化和诊疗服务满意提升的决策参考.