欢迎光临小说阅读网-爱阅读

当前位置: 短篇原创文学>游戏

人工神经网络为制定公立医院监管指标权重提供了新方法

2019-06-14 17:52:52 作者: 0人读过 | 我要投稿

健全公立医院监管体制是我国新医改和公立医院改革的一项重点。由于公立医院涉及不同政府部门、医院自身、药械供应商和广大患者等多方利益,构建基于多元治理的公立医院监管指标体系是当务之急。当前,关于公立医院监管指标体系的研究尚不多见,尤其在权重的确定方法上大多采用专家评价等主观性较强的方法,难以摆脱制定过程中的随机性和参评人员主观上的不确定性和认识上的模糊性。众所周知,医院信息具有天生的不对称性,而公立医院的运行本身在很多情况下都带有模糊性。因此,在确定指标权重时引入模糊数学的理论和方法,可以使指标体系更加切合实际,有利于各利益相关方掌握公立医院的整体运行状况。已有研究表明,人工神经网络作为模糊数学的手段在模糊综合评价领域前景广阔。

  华中科技大学同济医学院医药卫生管理学院方鹏骞等人在《中国医院》杂志2012年第9期发表了《人工神经网络在公立医院监管指标体系中的应用》文章。文章指出,神经网络模型具有运算速度快、容错能力强、自学能力强等特点,在综合评价、图像比对、自动控制等领域已有广泛运用。实践表明,该方法能较好地模拟专家评价过程,有机地结合了知识获取、专家系统和模糊推理等功能,运用效果良好。结合我国公立医院的现状,构建基于前馈神经网络模型的公立医院监管指标体系,并通过神经网络模型来优化该指标体系,为制定公立医院监管指标权重探索了新方法。

  文章认为,神经网络模型作为一个工具,要想它在公立医院监管上发挥最佳作用,还需更加深入的探索。首先,在指标的选择上,神经网络自身并不能分辨指标的优劣,只能在指标既定的前提下根据样本的客观数据计算指标的最佳权重。其次,神经网络模型的准确性还取决于其学习样本的数量、代表性、客观性,这需要研究人员深入医院调查,获取可靠的样本数据。最后,神经网络的结构设计很大程度上决定着网络的记忆容量、泛化能力、训练速度和输出响应的质量。隐层节点数过少,学习可能不收敛,网络的识别能力和泛化能力降低;隐层结点数过多,往往偏向于冗余,训练长时间不收敛,网络的容错性能下降。同时,计算的方法和平台也随着信息技术的发展而不断改进,这些方面已有研究,值得参考。

婴童招商网

婴幼儿用品加盟店

工业冷水机生产

研磨机专用冷水机厂家

本文相关的其他文章