一种新的基于策略的联盟分析方法

针对多方冲突现象 ,分析比较了传统联盟分析的不足 ,提出了一种新的基于策略的联盟度量方法 ,新方法在计算机编程以及分析多局中人、多策略的大规模冲突模型方面有独到之处 .     

一种动态自适应医院门诊排队模式

提出了一种动态自适应排队模型,并设计了相关排队算法.根据病人的优先级和在队列中所占的比例不同设置不同的权重参数,该参数可通过层次分析法(AHP)获得,考虑病人等待时间长短和队列长度动态改变病人的就诊序列,并以一个实例验证了该方法.最后利用.NET编程平台、MS SQL Server 2000数据库平台以及TCP/IP网络构建了医院预约排队系统.     

论我院法学专业人才培养特色

我院是国家安全生产监督管理总局唯一直属院校,担负着为煤矿及其它安全生产领域输送专门人才的重任,安全意识的培养与教育即是我院的最大特色.法学专业的人才培养方向应与此保持一致,而不能与国内一般大学雷同,必须突出安全特色,从而在众多的同类院校中做到人无我有、人有我优、人优我新的格局.     

基于SCI-E数据库分析东华大学科研发展

以Science Citation Index Expanded(SCI-E)数据库为依据,从收录量、作者、著者国家、地区和机构、文献来源、引用次数、发表期刊、覆盖学科等10方面对东华大学1999-2008年间被其收录的论文进行了分析,研究了东华大学科研发展状况及趋势,从而为东华大学增强自身自然科学基础研究提供参考和帮助.     

858例奥密克戎变异株新型冠状病毒感染住院患者死亡转归影响因素分析

本文主要通过回顾性研究新型冠状病毒感染(奥密克戎流行毒株)患者临床资料,探讨患者死亡的影响因素。以2022年12月至2023年1月在广西医科大学第二附属医院收治的经基因测序诊断为奥密克戎变异株新型冠状病毒感染患者906例为研究对象,根据纳入标准和排除标准,最终纳入患者858例,其中809例患者好转并出院,49例患者死亡。回顾性分析比较出院患者和死亡患者临床资料,并进行多因素逻辑回归分析患者死亡的影响因素。结果显示,两组患者在年龄(t=-0.640)、接种新冠疫苗(χ²=7.673)、高血压(χ²=9.557)、糖尿病(χ²=11.092)、脑梗(χ²=5.810)、发热(χ²=14.418)、呼吸困难(χ²=56.878)、味觉异常/丧失(χ²=5.876)、肺部啰音(χ²=27.655)及意识障碍(χ²=48.084)上存在显著差异(P<0.05)。多因素逻辑回归分析显示,年龄(OR...     

医院门诊服务系统的GPSS/H仿真及其结果分析

使用仿真语言GPSS/H对医院门诊服务系统进行仿真 .通过分析仿真结果 ,提出若干改进系统结构和运行性能的具体建议 .     

医用吸附剂研究进展

高分子吸附剂在临床医学上有着良好的应用前景 ,已是血液净化临床施治的关键材料。据此综述了医用吸附剂的近期研究进展     

促进财政性科技成果转化的制度创新研究

以美国、日本和德国为代表的发达国家在应对和解决成果转化问题的过程中,形成了一系列符合本国的社会制度和创新实践。目前,我国亟需探索出一条符合我国科技成果转化特点的制度创新之路。以"三权改革试点"为代表的体制机制改革,正是这一制度创新的重要发展方向。     

我国青年女性乳腺癌的临床和病理特点

目的探讨我国青年女性乳腺癌的临床和病理特点。方法全面收集国内关于青年女性乳腺的临床研究论文。青年女性(≤35岁)乳腺癌患者为研究组,>35岁以上女性乳腺癌患者为对照组。结果共检索符合纳入标准及排除标准的论文8篇,包括4881例病例,研究组发病至就诊时间明显长于对照组。采用随机效应模型进行meta分析,两组的TNM分期、腋窝淋巴结转移、免疫组化有显著差异,病理分型、5年生存率无明显差异。结论青年女性乳腺癌虽然更多发生腋窝淋巴结转移,TNM分期较晚,ER阳性率低,但经积极治疗,可能取得与中老年女性乳腺癌一样的效果,年龄不是影响预后的独立因素。     

Do Experts’ SKU Forecasts Improve after Feedback?

We analyze the behavior of experts who quote forecasts for monthly SKU‐level sales data, where we compare data before and after the moment that experts received different kinds of feedback on their behavior. We have data for 21 experts located in as many countries who make SKU‐level forecasts for a variety of pharmaceutical products for October 2006 to September 2007. We study the behavior of the experts by comparing their forecasts with those from an automated statistical program, and we report the forecast accuracy over these 12 months. In September 2007 these experts were given feedback on their behavior and they received training at the headquarters office, where specific attention was given to the ins and outs of the statistical program. Next, we study the behavior of the experts for the 3 months after the training session, i.e. October 2007 to December 2007. Our main conclusion is that in the second period the experts’ forecasts deviated less from the statistical forecasts and that their accuracy improved substantially. Copyright © 2013 John Wiley & Sons, Ltd.