一种麻醉耗材管理方法及系统技术方案

本发明专利技术公开了一种麻醉耗材管理方法及系统，应用于医疗耗材管理技术领域，根据历史数据确定医疗机构需求，将所述医疗机构需求发送给供应商；根据供应商的发货信息进行入库，利用医疗机构各科室的历史需求对每个科室进行初步分配；利用初步分配的结果结合各科室的预测需求进行调整得到第二分配结果，根据第二分配结果进行麻醉耗材分配，并固定时长对实际需求进行核算。本发明专利技术对全局年度麻醉耗材需求计划进行调整，得到相对合理的采购计划，避免出现过多库存；其次，基于动态权重向量计算，从而使每个影响因子的模型预测稳定性、精准度和泛化能力最优；最后，根据固定时长进行核算，为了保证麻醉耗材申请过多，对麻醉耗材进行综合管理。理。理。

【技术实现步骤摘要】
一种麻醉耗材管理方法及系统


[0001]本专利技术涉及医疗耗材管理
，更具体的说是涉及一种麻醉耗材管理方法及系统。

技术介绍

[0002]随着我国医疗卫生技术水平的不断提高，手术量日益增长，医院手术相关科室面临越来越大的工作压力，而患者对医疗服务的要求也越来越高，因此如何提高医院的管理水平和服务水平、减轻医护人员的工作压力成为每个医院追求的目标。手术麻醉耗材的管理关乎患者的经济利益和生命安全，因此麻醉耗材的管理是医院管理水平的一个重要体现。
[0003]例如：
[0004]1、耗材采购不规范：可能存在采购流程不清晰、供应商选择不合理等问题，导致采购的麻醉耗材不符合质量要求或价格不合理。
[0005]2、耗材库存管理不当：可能存在库存过高或过低的情况，过高的库存会增加资金占用和仓储成本，过低的库存则可能导致耗材不足，影响医疗工作的正常进行。
[0006]3、耗材使用不规范：可能存在医务人员对麻醉耗材使用不当、浪费等问题，导致资源浪费和成本增加。
[0007]4、耗材追溯管理不完善：可能存在无法追溯麻醉耗材的来源、使用情况等信息，这对于质量控制和安全管理来说是不利的。
[0008]5、耗材报废处理不及时：可能存在过期耗材未及时报废处理的情况，这不仅浪费了资源，还可能对患者的安全产生潜在风险。
[0009]6、耗材信息化管理不足：可能存在耗材管理信息化程度低，无法实时监控库存情况、采购和使用记录等，影响管理的效率和准确性。
[0010]7、耗材质量监管不严格：可能存在对麻醉耗材质量监管不严格，未能及时发现和处理质量问题，可能给患者带来安全隐患。
[0011]因此，如何提供一种针对麻醉耗材从采买到使用的全周期的管理方法及系统成为本领域技术人员急需解决的技术问题。

技术实现思路

[0012]有鉴于此，本专利技术提供了一种麻醉耗材管理方法及系统，以解决现有技术中的问题。
[0013]为了实现上述目的，本专利技术提供如下技术方案：
[0014]一方面，本专利技术公开了一种麻醉耗材管理方法，具体步骤如下：
[0015]根据历史数据确定医疗机构需求，将所述医疗机构需求发送给供应商；
[0016]根据供应商的发货信息进行入库，利用医疗机构各科室的历史需求对每个科室进行初步分配；
[0017]利用初步分配的结果结合各科室的预测需求进行调整得到第二分配结果，根据第二分配结果进行麻醉耗材分配，根据各科室的占用手术室申请，自适应匹配麻醉耗材，并固定时长对实际需求进行核算。
[0018]优选的，在上述的一种麻醉耗材管理方法中，确定医疗机构需求具体步骤包括：
[0019]根据所述历史数据形成全局年度麻醉耗材需求计划，将所述全局年度麻醉耗材需求计划上传至数据库；
[0020]结合数据库中的全局库存数据、闲置耗材记录的情况进行平衡得到第一平衡结果，根据所述第一平衡结果修编所述全局年度麻醉耗材需求计划；
[0021]接收各个科室每月上传的月度麻醉耗材需求计划，从所述数据库调取所述全局年度麻醉耗材需求计划，将所述月度麻醉耗材需求计划与所述全局年度麻醉耗材需求计划中对应的月度计划数进行对比，根据对比结果对所述全局年度麻醉耗材需求计划进行调整；
[0022]根据所述月度麻醉耗材需求计划生成医疗机构需求，发送给供应商按月配送。
[0023]优选的，在上述的一种麻醉耗材管理方法中，利用医疗机构各科室的历史需求对每个科室进行初步分配具体步骤包括：
[0024]获取历史数据中各个科室需求数据；
[0025]根据供应商提供的现有麻醉耗材种类信息以及各个科室的需求数据，生成麻醉耗材进行初步分配结果。
[0026]优选的，在上述的一种麻醉耗材管理方法中，各科室的预测需求计算具体步骤包括：
[0027]确定影响因子，所述影响因子包括：各科室手术类型需求、麻醉医师偏好需求、特殊病患需求；
[0028]根据所述影响因子和初步分配结果构建初始麻醉耗材需求预测模型；
[0029]利用超参数搜索算法和机器学习算法对初始麻醉耗材需求预测模型进行训练，针对每个影响因子，以生成训练之后的多个初始麻醉耗材需求预测模型；
[0030]再根据RMSE方法对所述训练之后多个的初始麻醉耗材需求预测模型进行评价，根据评价结果选取多个初始麻醉耗材需求预测模型作为麻醉耗材需求预测模型。
[0031]优选的，在上述的一种麻醉耗材管理方法中，利用超参数搜索算法和机器学习算法对初始麻醉耗材需求预测模型进行训练，以生成训练之后的多个初始麻醉耗材需求预测模型包括：
[0032]对候选算法，支持向量机回归算法、K近邻回归算法、随机森林回归算法、GBDT回归算法、xgboost回归算法、长短期记忆网络根据预设的参数取值范围和取值变化步长，来动态寻找使模型预测效果最优的超参数；在训练集上对候选算法训练模型，直到找到预测效果；
[0033]全局最优或者局部最优的模型为止，候选算法使用的超参数搜索方法为：针对SVM和KNN回归算法选择通过全量搜索超参数范围内的所有的点来确定最优超参数取值组合；针对随机森林、GBDT和xgboost回归算法选择牺牲部分模型预测效果，通过对超参数范围内的所有的点采样固定数量的参数设置的方式来进行超参数调优；针对LSTM算法通过反向传播的方式来训练模型。
[0034]优选的，在上述的一种麻醉耗材管理方法中，根据预测需求进行调整得到第二分
配结果包括：
[0035]利用每种影响因子对应的需求增量和每个麻醉耗材预测模型的权重向量生成第二分配结果。
[0036]优选的，在上述的一种麻醉耗材管理方法中，计算每个影响因子对应的需求增量具体步骤如下：
[0037]根据所述历史数据中每种影响因子的需求增量生成所述每个麻醉耗材预测模型的权重向量；
[0038]根据当前各科室手术类型需求、麻醉医师偏好需求、特殊病患需求、多个麻醉耗材预测模型及所对应的权重向量，预测需求增量。
[0039]优选的，在上述的一种麻醉耗材管理方法中，生成所述每个麻醉耗材预测模型的权重向量，包括：
[0040]从生成的权重向量集合中挑选出最优权重向量，具体包括：
[0041]利用排列组合的思想，根据模型个数动态生成权重向量集合，包括：
[0042]第一步，给定m和N，m代表模型个数，1/N代表权重变化的细粒度，集合H＝{1,1,1,1，...,1}，集合H中一共包含N个1，且假设每个1都是不一样的；
[0043]第二步，使用插空法将集合H中的1分为m组，由排列组合思想得到共种分配方式；
[0044]第三步，分别把每种分配方式中每组的1加起来，并除以N，即得到共有个均匀分布的权重向量的集合；
[0045]第四步，动态计算出使得选择的模型加权平均效果最好的权重向量。
[0046]优选的，在上述的一种麻醉耗材管理方法中，动态计算本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种麻醉耗材管理方法，其特征在于，具体步骤如下：根据历史数据确定医疗机构需求，将所述医疗机构需求发送给供应商；根据供应商的发货信息进行入库，利用医疗机构各科室的历史需求对每个科室进行初步分配；利用初步分配的结果结合各科室的预测需求进行调整得到第二分配结果，根据第二分配结果进行麻醉耗材分配；根据各科室的占用手术室申请，自适应匹配麻醉耗材，并固定时长对实际需求进行核算。2.根据权利要求1所述的一种麻醉耗材管理方法，其特征在于，确定医疗机构需求具体步骤包括：根据所述历史数据形成全局年度麻醉耗材需求计划，将所述全局年度麻醉耗材需求计划上传至数据库；结合数据库中的全局库存数据、闲置耗材记录的情况进行平衡得到第一平衡结果，根据所述第一平衡结果修编所述全局年度麻醉耗材需求计划；接收各个科室每月上传的月度麻醉耗材需求计划，从所述数据库调取所述全局年度麻醉耗材需求计划，将所述月度麻醉耗材需求计划与所述全局年度麻醉耗材需求计划中对应的月度计划数进行对比，根据对比结果对所述全局年度麻醉耗材需求计划进行调整；根据所述月度麻醉耗材需求计划生成医疗机构需求，发送给供应商按月配送。3.根据权利要求1所述的一种麻醉耗材管理方法，其特征在于，利用医疗机构各科室的历史需求对每个科室进行初步分配具体步骤包括：获取历史数据中各个科室需求数据；根据供应商提供的现有麻醉耗材种类信息以及各个科室的需求数据，生成麻醉耗材进行初步分配结果。4.根据权利要求1所述的一种麻醉耗材管理方法，其特征在于，各科室的预测需求计算具体步骤包括：确定影响因子，所述影响因子包括：各科室手术类型需求、麻醉医师偏好需求、特殊病患需求；根据所述影响因子和初步分配结果构建初始麻醉耗材需求预测模型；利用超参数搜索算法和机器学习算法对初始麻醉耗材需求预测模型进行训练，针对每个影响因子，以生成训练之后的多个初始麻醉耗材需求预测模型；再根据RMSE方法对所述训练之后多个的初始麻醉耗材需求预测模型进行评价，根据评价结果选取多个初始麻醉耗材需求预测模型作为麻醉耗材需求预测模型。5.根据权利要求4所述的一种麻醉耗材管理方法，其特征在于，利用超参数搜索算法和机器学习算法对初始麻醉耗材需求预测模型进行训练，以生成训练之后的多个初始麻醉耗材需求预测模型包括：对候选算法，支持向量机回归算法、K近邻回归算法、随机森林回归算法、GBDT回归算法、xgboost回归算法、长短期记忆网络根据预设的参数取值范围和取值变化步长，来动态寻找使模型预测效果最优的超参数；在训练集上对候选算法训练模型，直到找到预测效果；全局最优或者局部最优的模型为止，候选算法使...

【专利技术属性】
技术研发人员：卢孙山，胡黎黎，黄小玲，顾健腾，易斌，游月梅，
申请(专利权)人：中国人民解放军陆军军医大学第一附属医院，
类型：发明
国别省市：