【摘 要】
：
目的:基于统一支付平台分析异常账问题,为医院财务人员提供更高效的处理办法,以提高患者就医体验.方法:医院搭建统一支付平台,分析具体支付流程中异常账产生的原因,介绍了该平台异常账处理功能.结果:统一支付平台的自动对账功能使财务人员对异常账处理更加便捷,减少了人工干预的工作量.结论:医院统一支付平台给患者和医院财务人员带来了极大便利.
【机 构】
：
厦门大学附属翔安医院信息中心,361101,福建省厦门市翔安区翔安东路2000号
论文部分内容阅读
目的:基于统一支付平台分析异常账问题,为医院财务人员提供更高效的处理办法,以提高患者就医体验.方法:医院搭建统一支付平台,分析具体支付流程中异常账产生的原因,介绍了该平台异常账处理功能.结果:统一支付平台的自动对账功能使财务人员对异常账处理更加便捷,减少了人工干预的工作量.结论:医院统一支付平台给患者和医院财务人员带来了极大便利.
其他文献
目的:建立信息化的患者满意度回访系统,替代传统纸质方式.方法:根据医院实际管理需求,基于B/S开发架构和虚拟服务器,设计研发满足医院患者回访需求的系统.结果:取得了格式化的患者评价数据源及科学有效的分析报表,为医院工作改进提供有效依据.结论:患者满意度回访系统的使用,提高了医院工作流畅度,提升了服务人员的工作效率,也极大改善了患者对医院的满意度.
目的:探讨基于“互联网+信用”的多渠道支付方式在门诊就医流程的应用.方法:以厦门大学附属中山医院门诊信用就医应用为例,分析目前门诊就医缴费次数多、缴费难等问题,探讨通过“互联网”技术将信用体系引入门诊就医流程,允许患者“先诊疗、后付费”的信用就医服务体系.结果:“互联网+信用”的多渠道支付方式可以减少门诊现场排队付费和结算的麻烦,减少患者在院逗留时间,降低疫情期间交叉感染风险,同时,坐诊医师无需处理患者费用不足的情况,会将更多的时间和精力投入到诊疗过程,提高了诊疗效率.结论:“信用就医”为患者与医院搭起信
目的:提升冠脉CT血管成像(CTA)临床工作效率,优化冠脉CTA临床工作流程.方法:基于影像归档和传输系统(PACS),将人工智能(AI)与PACS进行整合,同时将结构化报告与RIS流程进行整合,并将结构化报告和人工智能进行整合,最终形成PACS→人工智能→结构化报告→RIS发布的全智能化的过程.结果:从原始影像重建、后处理、病灶分析,到胶片打印与报告书写,影像科医生无须再手动烦琐地进行,交由该系统一站式完成,医生仅须审核即可.结论:基于PACS流程与人工智能和结构化报告的整合流程,为冠脉CTA临床诊断提
目的:为落实国家卫生健康委、江苏省财政厅提出的全面推行医疗收费电子票据管理改革的要求.方法:无锡市卫生健康委统一招标、采购电子票据系统,与江苏省票据平台对接;医院积极部署服务器和硬件,开发和改造软件流程.结果:医院医疗收费电子票据系统于2020年底上线.结论:电子票据系统的实施解决了老百姓的收费票据交付问题,方便患者自助查询、打印发票,打通患者就医流程全生态电子化管理[u.
目的:构建医院不良事件主动监测与主动上报一体化信息平台,提升医疗安全和质量监管效能.方法:基于医疗过程实时业务数据提取医疗安全风险因子指标,建立主动监测规则库,基于触发器机制主动检出不符合的医疗过程异常事件.同时修订医院质量安全(不良)事件管理制度,创新实践前闭环+后闭环不良事件全过程管理的双重防控模式,建立基于B/S架构的主动监测与主动上报一体化的不良事件全闭环管理系统.结果:提高了临床工作人员和监管职能部门工作效率,提升了医务人员上报的时效性,降低了不良事件的漏报率,提高了不良事件的上报率.结论:通过
目的:设计一套基于就诊流程的智能导航系统,解决传统院内导航系统无可视化指引、互动性差等问题,实现导航与就诊流程相融合,为患者智能推荐实时、动态的路径规划.方法:利用蓝牙位置服务辅助基站,结合WebGL技术,通过对接院内HIS,借助微信小程序实现院内智能导诊.结果:系统实现了基于就诊流程的导航服务,为患者提供了实时的跨楼层混合空间指引导航,帮助患者快速、精准定位就诊地点,减轻了前台服务人员的工作压力.结论:基于蓝牙与WebGL技术的智能导航系统,缩短了患者的院内寻路时间,改善了就医体验,有效提高了医院数字化
目的:通过机器学习对天坛医院大数据平台的脑卒中并发肺炎相关数据进行分析,并评估智能统计预测手段在临床的应用价值.方法:从大数据平台抽取278例卒中并发肺炎患者的完整病例资料,采用K-means聚类算法进行预测分析.结果:基于K-means建立的预测模型准确度为0.713,F1值为0.681,AUC曲线下面积为0.734.结论:K-means除了用于聚类分析以外,在脑卒中患者是否并发相关肺炎应用中具有良好的预测性能.
面向卒中的医疗文本提供了患者完整的健康状况和其他有价值的信息.本研究的目的 是确定急性缺血性脑卒中患者1年后复发的危险因素,并构建一个有效的预测模型.在给定脑卒中危险因素变量参数的基础上,构建梯度提升决策树预测模型,确定个体卒中发病概率,以确定危险因素对卒中预测的影响.此外,本研究回顾性地收集了深圳市某三级医院2016年7月至2017年12月这18个月内收治的858例急性缺血性脑卒中患者的病历.为了保证数据质量,本研究对患者的医疗数据进行数据预处理,并使用准确率、召回率、F1分数对模型进行评估.通过模型训
目的:通过新生儿电子健康卡,解决“一院多卡”、新生儿或没有身份证的儿童实名就诊、无卡预约模式带来的就诊流程烦琐,以及居民健康档案贯穿和调阅等问题.方法:实现新生儿出生即开卡,覆盖全生命周期,构建患者主索引,集成院内业务系统诊疗数据.结果:取消院内医卡通,解决一院多卡、儿童实名就诊和无卡预约等问题,实现患者全生命周期的就诊档案追溯、贯穿和调阅.结论:新生儿电子健康卡弥补了新生儿及儿童身份识别和就诊记录的空白期,同时为“出生一件事”联办和健康数据的沉积打下基础.
为促进语义匹配技术在智慧医疗的发展,第5届中国健康信息处理大会(CHIP2019)举办医疗文本迁移学习比赛,通过竞赛的方式比较分析不同模型的性能,研究语义匹配模型在医疗领域的应用情况.针对头部队伍的模型研究表明,BERT类模型F1值比传统深度学习模型平均高出4％～5％.其中,效果最好的是Roberta,单模F1值超过0.86,准确率接近90％,和人类水平相当.此外,加入疾病领域知识后,模型训练收敛更快,F1值能提升约1％.说明随着自然语言处理(NLP)技术的发展,传统深度学习模型已被BERT(bidire