【摘 要】
：
目的 探讨集采前后门诊降压药使用情况，分析药品集采在医院的应用效果。方法 利用信息系统，收集药品集采前后门诊降压药使用信息，包括药品名称、规格、厂家、单价和销量，计算日均费用、销售总金额，对比观察药品集采前后门诊降压药的使用变化及幅度。结果 集采前，门诊药房共有降压药物22个品规，集采后停用8个品规，新增13个品规，目前共有27个品规，其中集采中选品规9个。集采后，降压药整体日均费用平均降幅为28
论文部分内容阅读
目的 探讨集采前后门诊降压药使用情况，分析药品集采在医院的应用效果。方法 利用信息系统，收集药品集采前后门诊降压药使用信息，包括药品名称、规格、厂家、单价和销量，计算日均费用、销售总金额，对比观察药品集采前后门诊降压药的使用变化及幅度。结果 集采前，门诊药房共有降压药物22个品规，集采后停用8个品规，新增13个品规，目前共有27个品规，其中集采中选品规9个。集采后，降压药整体日均费用平均降幅为28.96%，销售量平均增幅35.54%，销售金额平均增幅1.41%。其中集采中选品规销量平均增幅24.68%，日均费用和销售金额降幅明显，分别为66.26%和57.22%。非中选品规销量平均增幅为42.22%，日均费用平均降幅为6%，销售金额平均增幅为37.48%。结论 集采政策的实施影响了门诊降压药的种类构成、销量与总金额。降压药的价格、日均费用重心整体呈现出下移趋势，药品集采切实降低了患者的用药负担，政策实施取得一定效果。
其他文献
档案纵贯古今，横连百业；档案事业记录历史、传承文明、服务社会、造福人民。每一件被保存的档案，都具有独一无二的的价值。笔者围绕档案价值鉴定工作进行了研究，本文从档案价值是怎样形成的、档案价值鉴定应该坚持哪些原则、档案价值鉴定工作有哪些主要内容、档案价值鉴定的标准是怎样的和档案价值鉴定的具体方法有哪些五个方面阐述了档案价值鉴定工作，为档案同人提供些许借鉴。
随着信息技术的高速发展,如何快速有效的提升公民的身份信息安全逐渐成为研究热点。传统身份识别技术在实际使用过程中存在着诸多不便。例如钥匙、密码等,都会有遗忘或丢失的风险,难以满足当代人们对更高安全性、可靠性以及便利性的需求。利用人体特征进行识别逐渐成为鉴别身份的热点,例如人脸识别、指纹识别等。手掌静脉识别技术是人体生物特征识别技术中的一种,因其具有活体认证、伪造难度大、使用便捷等优点,在国内外已经成
混凝土全容罐是储存液化天然气的重要设备之一。随着混凝土全容罐朝着大型化不断发展,其设计和建造难度也不断增大。混凝土全容罐穹顶结构的设计和建造技术是混凝土全容罐工程建设中的重点难点。穹顶结构具有自重大、跨度大等特点。研究穹顶结构的安全性对于保障混凝土全容罐安全、促进天然气产业发展具有重要的现实意义。本文以一座容积16万立方米的大型液化天然气混凝土全容罐的穹顶结构为研究对象,对其火灾工况和施工过程进行
在黑夜,阴天等亮度不足的环境下,容易得到曝光不足的低照度图像,这些低照度图像存在整体或局部亮度低、细节缺失等问题,严重影响图像质量,给人的视觉感受和后续的视觉任务都带来不利的影响。低照度增强技术目的主要是增强图像整体亮度,恢复暗部的细节,从而将低照度图像恢复到正常曝光图像。为了处理复杂光照下的低照度图像,本文基于卷积神经网络开展研究,从图像的增强模型和网络结构两方面对低照度图像增强任务进行了研究,
随着我国经济的快速发展,人民生活水平不断得到改善,人们出行时使用的交通工具也呈现了多元化的趋势。越来越多的机动车和非机动车在出行中扮演者重要的角色,随之而来的拥堵也越来越频繁的出现在人们的日常生活中。在城市生活中,电动摩托车的乱停乱放,共享单车的乱停乱放等都会给道路交通带来拥堵的风险。现阶段处理非机动车违停的方法主要是通过人工检查,通过投入大量交通警察和城市管理人员,逐个街道检查并找到违停的现象,
由于海洋战略被提出,智慧海洋成为新的焦点,使用水下机器人代替真人进行水下作业是不可避免的趋势。在参与水下主从式高动态范围三维全景感知系统与探测设备项目的研发中发现,水下设备贵、调试难以及环境不确定性等问题,导致采用水下机器人在真实水域的算法验证实验与海洋设备教育培训的开展成为有待解决的难题。针对设备贵、实验难并存在危险等问题,本文设计了虚拟仿真教育系统用于算法验证以及大学生人工智能、水下机器相关课
目的 了解近10年来我国医疗数据安全领域的发展及研究热点，为后续开展相关研究提供参考。方法 在中国知网（CNKI）中的期刊数据库中，以“医疗数据安全”等检索词检索的相关文献作为数据来源，检索时间限定为2012年1月1日-2021年12月31日，共得到758篇文献数据，经过剔除重复文献、会议论文、报纸等与主题相关性较弱的文献后，最终得到682篇有效文献。运用CiteSpace软件进行文献计量学分析。
风电清洁安全无污染,是重要的可再生能源。然而,受地理环境因素影响,风能密度高的地区在冬季极易发生风机叶片结冰故障,破坏风机原有的力学平衡,加速部件老化损坏。因此,采用数据驱动的方式建立模型对结冰故障进行预测,在结冰故障发生前发出预警并采取措施,对提高风场运营效率具有重要的现实意义。然而目前的研究方法往往只关注数据中的时序特征,忽略了数据之间存在的空间关系,难以充分挖掘数据中的多尺度特征,导致目前模
知识图谱的实体对齐有助于知识图谱的创建和扩充工作,进而推进知识图谱的应用发展。依赖于知识图谱专家手动注释实体对齐的方法不仅费时费力而且存在着一定的误差。在深度学习快速发展的当前阶段,深度学习依靠优异的网络结构,以及较好的学习能力,在知识图谱上有着不错的表现效果。对此,本文基于深度学习方法对实体对齐的任务进行研究工作。本文的主要工作及贡献如下:（1）针对图卷积神经网络的实体对齐方法GCN-Align
风机关键部件的故障检测作为风电场智能化管理的重要环节,能够提高风电场的生产效率、降低运营成本,是当前科研领域的一个热点问题,受到各国研究者的广泛关注,并提出了各种风机故障检测方法。研究发现目前的风机故障检测方法仍存在以下问题:（1）风机数据集类别不平衡导致风机故障检测模型训练时偏向大类别样本,使模型效果不理想;（2）现有风机故障检测模型特征学习能力单一,不能充分利用多层级的特征信息,导致模型性能较