目的调查临床监查员(clinical research associate,CRA)对上海市医院临床试验服务的满意度,以提升临床试验服务质量。方法2023年10—11月采用典型调查方法和修订的SERVQUAL(service quality)量表对CRA进行问卷调查,内容包括保证性、可...目的调查临床监查员(clinical research associate,CRA)对上海市医院临床试验服务的满意度,以提升临床试验服务质量。方法2023年10—11月采用典型调查方法和修订的SERVQUAL(service quality)量表对CRA进行问卷调查,内容包括保证性、可靠性、有形性、响应性及移情性等5个维度29个条目。根据修正的服务重要性绩效满意度分析(importance-performance analysis,IPA)明确落入改进区的条目。结果对于来自10家申办者及其委托机构的163名CRA进行问卷调查,回收有效问卷160份。根据修正的IPA象限图,保证性、可靠性、有形性、响应性及移情性维度落入改进区的条目分别为6、2、1、2和2条。结论CRA对上海市医院的临床试验服务可能未达到满意水平,临床试验机构可从规范化意识、审查模式、流程获取、答复响应、管理体系灵活性等方面进行优化,从而提高临床试验服务质量。展开更多
深度学习是人工智能领域的热门研究方向之一,它通过构建多层人工神经网络模仿人脑对数据的处理机制。大型语言模型(large language model,LLM)基于深度学习的架构,在无需编程指令的情况下,能通过分析大量数据以获得理解和生成人类语言...深度学习是人工智能领域的热门研究方向之一,它通过构建多层人工神经网络模仿人脑对数据的处理机制。大型语言模型(large language model,LLM)基于深度学习的架构,在无需编程指令的情况下,能通过分析大量数据以获得理解和生成人类语言的能力,被广泛应用于自然语言处理、计算机视觉、智慧医疗、智慧交通等诸多领域。文章总结了LLM在医疗领域的应用,涵盖了LLM针对医疗任务的基本训练流程、特殊策略以及在具体医疗场景中的应用。同时,进一步讨论了LLM在应用中面临的挑战,包括决策过程缺乏透明度、输出准确性以及隐私、伦理问题等,随后列举了相应的改进策略。最后,文章展望了LLM在医疗领域的未来发展趋势,及其对人类健康事业发展的潜在影响。展开更多
目的应用前期构建的助产质量评价指标体系,评价其作为助产质量评价工具的实用价值。方法选取泛长三角地区13家不同等级及性质的医院作为研究对象,采用加权秩和比法、加权TOPSIS(technique for order preference by similarity to ideal ...目的应用前期构建的助产质量评价指标体系,评价其作为助产质量评价工具的实用价值。方法选取泛长三角地区13家不同等级及性质的医院作为研究对象,采用加权秩和比法、加权TOPSIS(technique for order preference by similarity to ideal solution)法、简单加权法这3种综合评价法对医院的助产质量进行评价排序。运用组合评价法对3种综合评价法的结果进行组合排序,采用肯德尔和谐系数对3种综合评价法的结果进行一致性检验。结果13家医院包括3家三级甲等综合性医院、3家三级甲等妇产专科医院、1家三级乙等综合性医院、2家三级乙等妇产专科医院、1家二级甲等综合性医院、2家二级甲等妇产专科医院和1家二级乙等妇产专科医院。3种综合评价法对13家医院的评价结果排序略有不同,具有较高的一致性,肯德尔和谐系数W=0.794。组合评价法对13家医院的助产质量排序前4名为H10、H4、H1和H2,与研究假设的预判结果(H1、H2、H10的助产质量排序靠前)基本保持一致。结论助产质量评价指标体系的评价结果稳定,能反映助产质量,具有较高的临床实用价值,可作为助产质量评价的科学工具。展开更多
文摘目的调查临床监查员(clinical research associate,CRA)对上海市医院临床试验服务的满意度,以提升临床试验服务质量。方法2023年10—11月采用典型调查方法和修订的SERVQUAL(service quality)量表对CRA进行问卷调查,内容包括保证性、可靠性、有形性、响应性及移情性等5个维度29个条目。根据修正的服务重要性绩效满意度分析(importance-performance analysis,IPA)明确落入改进区的条目。结果对于来自10家申办者及其委托机构的163名CRA进行问卷调查,回收有效问卷160份。根据修正的IPA象限图,保证性、可靠性、有形性、响应性及移情性维度落入改进区的条目分别为6、2、1、2和2条。结论CRA对上海市医院的临床试验服务可能未达到满意水平,临床试验机构可从规范化意识、审查模式、流程获取、答复响应、管理体系灵活性等方面进行优化,从而提高临床试验服务质量。
文摘深度学习是人工智能领域的热门研究方向之一,它通过构建多层人工神经网络模仿人脑对数据的处理机制。大型语言模型(large language model,LLM)基于深度学习的架构,在无需编程指令的情况下,能通过分析大量数据以获得理解和生成人类语言的能力,被广泛应用于自然语言处理、计算机视觉、智慧医疗、智慧交通等诸多领域。文章总结了LLM在医疗领域的应用,涵盖了LLM针对医疗任务的基本训练流程、特殊策略以及在具体医疗场景中的应用。同时,进一步讨论了LLM在应用中面临的挑战,包括决策过程缺乏透明度、输出准确性以及隐私、伦理问题等,随后列举了相应的改进策略。最后,文章展望了LLM在医疗领域的未来发展趋势,及其对人类健康事业发展的潜在影响。
文摘目的应用前期构建的助产质量评价指标体系,评价其作为助产质量评价工具的实用价值。方法选取泛长三角地区13家不同等级及性质的医院作为研究对象,采用加权秩和比法、加权TOPSIS(technique for order preference by similarity to ideal solution)法、简单加权法这3种综合评价法对医院的助产质量进行评价排序。运用组合评价法对3种综合评价法的结果进行组合排序,采用肯德尔和谐系数对3种综合评价法的结果进行一致性检验。结果13家医院包括3家三级甲等综合性医院、3家三级甲等妇产专科医院、1家三级乙等综合性医院、2家三级乙等妇产专科医院、1家二级甲等综合性医院、2家二级甲等妇产专科医院和1家二级乙等妇产专科医院。3种综合评价法对13家医院的评价结果排序略有不同,具有较高的一致性,肯德尔和谐系数W=0.794。组合评价法对13家医院的助产质量排序前4名为H10、H4、H1和H2,与研究假设的预判结果(H1、H2、H10的助产质量排序靠前)基本保持一致。结论助产质量评价指标体系的评价结果稳定,能反映助产质量,具有较高的临床实用价值,可作为助产质量评价的科学工具。
