【摘 要】
：
目的为特殊疾病药品(简称特药)药房在《零售药店经营特殊疾病药品服务规范》(简称《规范》)达标前提下的推广与发展提出建议。方法采用层次分析法,对参与《规范》达标评价的2
【机 构】
：
宁波四明大药房有限责任公司,沈阳药科大学,浙江医药高等专科学校
【基金项目】
：
浙江省药品监督管理局项目[ZPC2018013],浙江省高等教育“十三五”教学改革研究项目[jg20190686]。
论文部分内容阅读
目的为特殊疾病药品(简称特药)药房在《零售药店经营特殊疾病药品服务规范》(简称《规范》)达标前提下的推广与发展提出建议。方法采用层次分析法,对参与《规范》达标评价的20家特药药房负责人进行访谈,梳理特药药房在经营中遇到的问题,并提出改进建议。结果我国的特药药房尚处于起步阶段,《规范》达标评价在特药药房对人的配备要求、信息系统配置要求和评比中达标线等方面仍存在一些问题。结论相关部门对《规范》本身应提出分阶段的建设和改进计划,使其符合医药零售行业的实际发展情况。建议特药药房与医院合作,以提升药学人员专业服务水
其他文献
总结1例伯-韦综合征(Beckwith-Wiedemann syndrome,BWS)合并肺炎患儿的护理经验,对患儿给予针对性病情观察和监护技术,基础护理,保持呼吸道通畅,机械通气护理,合理喂养和健康宣教等护理干预措施,14 d后患儿好转出院。
为了提高集中式网络的请求响应效率,提出并设计了边缘云协同数据存储容灾备份方案。通过将云核心网络的数据存储功能推向边缘网络,使其协同完成用户端的请求需要,降低回传链路压力和响应时间。数据存储策略融合了热度数据生命期与流行度两种指标对用户端兴趣数据进行预测,并结合存储命中率与存储溢出作为存储更新的约束条件,对边缘网络中数据进行动态调整。考虑到网络故障对数据安全带来的影响,设计了数据存储容灾备份框架,根
由于存储空间被磁盘访问的次数较多,导致数据存储安全性较低,空间数据存储效率较慢,由此提出基于SDN技术的多进程空间数据云存储方法。明确SDN的网络体系结构,通过控制器、接口协议、数据区关键技术构建进程空间数据中心平台,利用Hbase扩展空间数据存储空间,将组织类型在逻辑上对应空间数据的地理特征,降低存储空间被磁盘访问的次数,根据四叉树方式组织栅格影像数据,同时四叉树编码每个栅格图片,完成多进程空间
首次提出了一种基于多流卷积神经网络PET瓶坯缺陷分类和识别系统。近年来,基于多流网络的特征融合方法在缺陷分类与质量检测中具有良好的应用前景。设计PET瓶坯质量检测平台用来采集图像样本,通过图像增强方式扩展样本数量,以防止深度学习中的过拟合现象。利用Sobel算子计算图像的梯度,并对其进行归一化处理。设计了一种采用最大值融合策略的多流卷积神经网络模型,实现了relu5层的特征融合。上述模型以PET瓶
利用当前方法对QR码标签信息进行识别时,没有对QR码图像进行处理,导致识别效果差,整体识别效率与信息识别率低,影响了物料自动分拣系统的整体运行效率。提出物料自动分拣系统对应QR码标签信息识别方法,首先利用背景区域与目标区域的灰度相关性作为二值化依据,采用局部阈值分割法对QR码图像进行二值化处理,提高QR码的清晰度;引入投影法通过水平和垂直投影计算确定QR码的候选区域,确定其准确位置;按照QR码的标
由于传统方法未建立含有丢失边缘保留特点的能量模型,对向量走势分析不准确,导致轮廓丢失边缘保留完整度不高。现提出一种数字图像低频成分轮廓丢失边缘保留方法。在保持丢失点处边缘方向假设上,通过较强识别能力的边缘检测,获得梯度特征、中值特征以及方向特征向量;通过特征向量,标注出成分轮廓丢失区域,构建含有丢失边缘保留特点的能量模型,通过能量泛函数转变成最小化边缘保留GVF(CP-GVF)外立场,当向量被扩散到丢失边缘区域时,在CP-GVF中丢失边缘保持了原边缘的向量走势,使得丢失边缘得到保留。通过仿真可知,所提方法
程序中某些代码坏味会导致整个程序无法顺利运行,此时,需要清除引起程序错误的代码坏味,以保证程序的正常运行。为此提出了一种基于数据并行传输程序的代码异味检测算法。在并行数据传输程序的信道上建立两组独立的数据序列,通过抑制载波幅度调制将它们调制成一对正交载波,由每个子信道中发送的单个脉冲响应决定信道失真情况;利用贝叶斯网络将最新的检测规则转化为概率模型,并从源代码中提取代码坏味度量,实现代码坏味检测。
传统方法在预测建筑屋顶结构风荷载时,受到极端天气影响,导致建筑屋顶结构风荷载预测误差增大,因此提出一种Nataf变换的超高层建筑屋顶结构风荷载预测方法。设计可靠性分析功能函数,计算超高层建筑屋顶结构不可靠度,建立超高层建筑屋顶结构风荷载风险模型;将风振系数、风荷载大小系数、风压高度变化系数和基本风压计算值相结合,确定屋面结构风压标准值与基本风压的关系,计算得到超高层建筑屋顶结构风压标准值;设计超高
为了提升传统多标签短文本自适应分类方法的分类准确率,提出基于改进rcnn模型的多标签短文本自适应分类方法。首先在多标签短文本数据集中提取多标签短文本的不同特征,将其作为传统机器学习模型以及深度模型的输入;然后结合Stacking技术对rcnn模型模型进行改进,通过改进的rcnn模型对多个基分类器的分类结果进行融合处理,获取多标签短文本自适应分类的最终结果。最后进行仿真测试,结果表明,所提方法能够快
针对传统方法存在的信息分类准确性不高,信息重叠率较高的问题,提出基于模糊向量机优化的信息分类优化模型设计方法。运用模糊C均值对多标签空间进行粒化处理,通过信息增益获取不同变量标签之间的关联程度。针对多标签信息分类问题,选取一种合适的隶属度函数,运用该函数映射所有信息样本,获取其所属类别的隶属度。考虑到模糊支持向量机训练效率较慢的问题,运用核聚类方法对模糊向量机进行优化,组建最优超平面,在高维空间内