异常结果

摘要： 目的 根据外照射个人监测异常结果及调查,分析异常结果剂量区间分布、职业类别分布、不同职业类别异常结果发生率、异常结果发生原因以及异常值高低的影响因素,为法规标准的制定和医院放射防护管理提出科学依据.方法 收集2017年我国19个省份上报的医疗机构放射工作人员个人监测结果超过1.25 mSv的389例异常结果数据及相关调查并进行分析.结果 异常结果的剂量分布区间主要在1.25～5 mSv;诊断放射学工作人员异常结果占比最高,为59.64％;介入放射学工作人员的异常结果发生率最高,为4.17‰.异常结果主要是不规范佩戴或操作个人剂量计导致;东部地区的异常值较其他地区高,中位数为6.41 mSv;原因不详组异常值较其他组高,中位数为10.32 mSv.结论 应进一步加强放射防护知识的宣传培训,提高放射工作人员防护意识;介入放射学工作人员的职业照射需要特别关注.

摘要： 血液分析仪作为目前临床血液学广泛应用的一种检验方法,在很大程度上促进了临床血液检验发展的新方向,使其更加规范化与自动化,但由于检测技术并非参考方法,因此做好质量方面的控制具有重要意义.由于血液分析仪在血液检验过程中仍然存在部分问题,导致检验结果受到影响,因此需总结相应问题,并提出相应解决办法.

摘要： 目的 探讨生化检验结果异常影响因素分析及对策.方法 研究时间为2020年1月-2020年8月,研究对象为此期间在我院接受生化检验的患者,挑选出其中33例异常案例进行研究分析.结果 对33例患者进行研究调查,发现影响因素有仪器原因、溶血原因、标本保存及送检原因、患者自身原因四项,其中患者自身原因占比相对较高为36.36％.结论 在进行临床生化检查时,送检不及时、患者身体状况异常等因素都会引起生化检验结果异常,因此应做好检查管理工作,提高检查准确度.

摘要： 目的 分析三年来东营市垦利区65岁及以上老年人免费体检结果,为制定精准健康管理方案提供数据支持和科学依据.方法 以2020年老年人体检结果为主要参照,选择主要指标通过信息化手段对比2018、2019年体检数据,分析影响老年人健康状况的主要因素.结果 2018—2020年老年人体检结果异常率排前两位的指标均为血脂异常(86.3％、95.5％、87.4％)、高血压,第三位是心电图异常或超重;空腹血糖异常率偏低,呈逐年降低趋势;总胆固醇、甘油三酯异常率均偏低,但逐年递增;三年来老年人体检结果异常率接近100％,男性体检异常者均多于女性,随年龄增长体检异常者占比减少.结论 影响该区老年人健康状况的因素主要是血脂异常、高血压、心电图异常、超重,应加强宣教,提前干预不良生活习惯,有利于提高生活质量.

摘要： 健康体检也可以称之为预防保健性体检,是用医学手段和方法以健康为中心的身体检查,包括临床各科室的基本检查,包括超声、心电、放射等医疗设备检查,还包括围绕人体的血液、尿便的化验检查等.健康体检不仅可以帮助受检者了解自身身体健康状况,还可以帮助其尽早发现早期疾病,从而抓住最佳治疗时机,提高治疗效果.近年来随着人们生活水平的提高,越来越多人开始注重健康体检,因此本文将综述分析近年来健康体检异常结果,并就此提出相关护理建议.

摘要： 指标遴选制定主要体现以下几个方面特点:一是科学性。在涵盖门诊、住院病案的同时,覆盖病案首页、病案内容、病案归档等病案管理的各个环节,围绕重大诊疗行为(特别是有创操作)、重要检查检验、重要异常结果、重要病情变化和医疗质量安全核心制度的落实情况设定指标,保障医疗行为的可追溯性,为加强医疗管理和质控工作奠定基础。二是规范性。参照国际通行做法,对指标的定义、计算公式、意义进行了明确界定,对部分指标进行了补充说明,防止出现误解误读。三是可操作性。充分考虑指标相关信息的可获得性,并对指标进行了统一编码,便于行业交流和信息统计,适合各级卫生健康行政部门、质控组织和各级各类医疗机构在管理工作中应用。

摘要： 目的:通过分析太原市某城中村45岁及以上村民免费体检结果,为进一步针对性开展中老人慢性病防治工作提供理论依据。方法:对2019某村382名中老年人进行免费健康体检,采用卡方检验对主要指标进行分析。结果:2019年中老年人体检结果指标异常率排位的分别为高血脂(66.75%)、腹部B超(43.72%)、高血压(41.36%)、血糖偏高(23.3%)、肾功(11.26%)、心电图(9.42%)。血脂偏高的检出率随着年龄增长而降低,女性血脂偏高检出率高于男性;血压偏高检出率随着年龄而增加;肾功异常检出率随着年龄增长而降低,男性检出率高于女性,腹部B超、血糖偏高、心电图异常的检出率与男女性别、年龄无关。结论:社区医院应重点关注本村中老年人检出率较高的疾病的发病情况,开展健康教育,提前干预不良生活习惯,提高生活质量。

摘要： 生活中,我们往往有这样的体验,做完了很多检查,拿到了很多结果,但是我到底有问题吗,虽然各种升高、降低的箭头,各种红色的标识,明明知道这是些异常结果,却不知道代表着什么,没学过医,看不懂报告怎么办?接下来让小编告诉你常见的呼吸系统疾病检查结果判读。一、血液检查“先去查个血,看看有没有感染。”这在呼吸科诊室应该常常听见,当取了结果后,看到红细胞、白细胞、嗜酸性粒细胞…是不是感觉一脸问号,这怎么能看出我是否有感染呢?

摘要： 目的:对艾滋病患者血液学检验异常结果进行分析.方法:随机抽取 2018 年 7 月至 2019 年 7 月被确诊 37 例艾滋病患者并将其视为 A 组,另取同期住院治疗非艾滋病 37 例患者视为 B组,均予以血液学检验,对检验结果进行分析.结果:与正常参考值与 B 组比较,A 组红细胞数量、血红蛋白、淋巴白细胞比值、总蛋白、A/G、CHE水平显著下降 P＜0.05;TB、LDH、AST、ALT、ESR、CRP 水平显著上升 P＜0.05.结论:艾滋病患者表现为贫血、淋巴细胞与血小板减少,为临床诊治提供了科学数据.

摘要： 通过健康体检能够早期发现疾病,尽快进行预防和治疗,同时还可以利用健康体检宣传健康生活理念,帮助患者端正对健康的态度,树立正确的健康观念,让人民群众尽享健康科学的生活方式.基于此,本文对健康体检中男性群体和女性群体高发病异常结果进行分析,并提出一些指导性建议.

摘要： 使用少量的异常声音数据，提高无监督异常声音探测的精度。阈值决定单元(13)用使用正常声音数据学习的正常模型和表现了异常声音数据的异常模型，对多个异常声音数据的每一个计算异常度，将其最小值决定为阈值。权重更新单元(14)使用多个正常声音数据、异常声音数据和阈值，更新异常模型的权重，使得全部异常声音数据被判定为异常、正常声音数据被判定为异常的概率最小。

摘要： 异常声音诊断装置具有：轨迹特征提取部(5)，其将表示强度时间序列取得部(4)取得的强度时间序列(14)的全部时间方向的强度特征的轨迹变换成向量而提取轨迹向量(15)；识别参数存储部(6)，其存储将如下的向量作为输入并将如下的信息作为输出而学习到的识别参数(16)，其中，所述向量是表示由参照设备产生的声音数据的强度时间序列的全部时间方向的强度特征的轨迹，所述信息表示所述诊断对象设备的状态类别；识别部(7)，其根据轨迹向量(15)和识别参数(16)，取得针对诊断对象设备的各状态类别的K维得分向量(17)；以及判定部(8)，其参照K维得分向量(17)，判定在诊断对象设备中产生的声音正常还是异常以及异常的类型。

摘要： 使用少量的异常声音数据，提高无监督异常声音探测的精度。阈值决定单元(13)用使用正常声音数据学习的正常模型和表现了异常声音数据的异常模型，对多个异常声音数据的每一个计算异常度，将其最小值决定为阈值。权重更新单元(14)使用多个正常声音数据、异常声音数据和阈值，更新异常模型的权重，使得全部异常声音数据被判定为异常、正常声音数据被判定为异常的概率最小。

摘要： 提供与有无异常音的学习数据无关、可以生成用于异常音检测的特征量提取函数的异常音检测学习技术。异常音检测学习装置包括：根据变分自动编码器的最佳化指标，更新输入的特征量提取函数以及特征量逆变换函数的第一函数更新单元(3)；根据正常音的学习数据提取正常音的音响特征量的音响特征量提取单元(4)；使用提取的音响特征量更新正常音模型的正常音模型更新单元(5)；使用正常音的学习数据以及输入的特征量提取函数，求与作为规定的值的伪阳性率ρ对应的阈值

摘要： 异常预兆检测装置(1)具有第1数据收集部(11)、选择部(31)、第2数据收集部(12)、判定部(32)。第1数据收集部(11)从多个测量装置(51、52、…、5n)收集由对设备(3)的状态各自进行测量的多个测量装置(51、52、…、5n)以第1周期测量的数据即多个第1测量数据。选择部(31)基于由第1数据收集部(11)收集到的多个第1测量数据，选择多个测量装置(51、52、…、5n)中的至少1个测量装置。第2数据收集部(12)从由选择部(31)选择出的至少1个测量装置对以比第1周期短的第2周期测量的数据即第2测量数据进行收集。判定部(32)基于第2测量数据，对在设备(3)是否产生了异常的预兆进行判定。

摘要： 异常声音诊断装置具有：轨迹特征提取部(5)，其将表示强度时间序列取得部(4)取得的强度时间序列(14)的全部时间方向的强度特征的轨迹变换成向量而提取轨迹向量(15)；识别参数存储部(6)，其存储将如下的向量作为输入并将如下的信息作为输出而学习到的识别参数(16)，其中，所述向量是表示由参照设备产生的声音数据的强度时间序列的全部时间方向的强度特征的轨迹，所述信息表示所述诊断对象设备的状态类别；识别部(7)，其根据轨迹向量(15)和识别参数(16)，取得针对诊断对象设备的各状态类别的K维得分向量(17)；以及判定部(8)，其参照K维得分向量(17)，判定在诊断对象设备中产生的声音正常还是异常以及异常的类型。

摘要： 本发明提供异常声音探测装置、异常声音生成装置、异常数据生成装置、异常模型学习装置、异常声音生成方法以及记录介质，该异常声音探测装置包括：模型存储单元，存储将预先准备的异常声音数据建模后的概率分布即第1异常模型和将与所述异常声音数据不同的异常声音即追加异常声音建模后的概率分布即第2异常模型；异常度获取单元，对于输入的对象声音数据，组合所述第1异常模型和所述第2异常模型来计算异常度；以及状态判定单元，将所述异常度与规定的阈值比较，判定所述对象声音数据是正常声音还是异常声音。

摘要： 取得部(15a)取得通信设备的正常通信的通信特征量。在所取得的通信特征量的数据数或数据取得期间超过了规定值的情况下，放大部(15c)根据5元组相等的每个组的数据数，以多个规定的方式放大通信特征量的数据数。生成部(15d)按照每个规定的方式，通过使用了放大后的通信特征量的学习，生成通信设备的正常通信的基准值信息。判定部(15e)使用表示测试数据与基准值信息的偏差的异常得分，来判定每个规定方式的异常检测的精度，该测试数据表示异常通信的通信特征量。选定部(15f)选定以判定的精度最高的方式生成的基准值信息。

摘要： 对诊断对象的运转状态的异常进行诊断的异常诊断方法具备：根据诊断对象的正常运转数据，制作成为用于判定诊断对象的运转状态的基准的单位空间的步骤；从诊断对象取得具有多个评价项目的状态量的数据的步骤；使用制作的单位空间，计算取得的数据的马氏距离的步骤；以及根据计算的马氏距离，判定诊断对象的运转状态的异常的步骤。制作单位空间的步骤包括制作数据长度相互不同的多个单位空间的步骤。制作多个单位空间的步骤包括根据从诊断对象取得的数据中的多个评价项目之间的相关系数以及数据的正常变动周期中的至少1个，决定各多个单位空间的数据长度的步骤。计算马氏距离的步骤包括使用制作的多个单位空间计算多个马氏距离的步骤。判定异常的步骤包括根据计算的多个马氏距离判定异常的步骤。

摘要： 本公开提供泵驱动装置的异常判断装置、异常判断方法以及电机启动时的异常判断装置。泵驱动装置的异常判断为，以无传感器的方式求出对泵进行驱动的电机的实际转数；对电机的目标转数进行指示，从而对电机的运转进行控制；在目标转数与实际转数的偏离为预定以上的状况的累计期间超过了预先规定的阈值的情况下，判断为异常。在此，在目标转数与实际转数的所述偏离成为了预先规定的范围内的情况下，实施将累计期间减少为小于阈值的值的减少处理，并且，在为了控制电机的运转而无法检测实际转数的期间内，抑制该减少处理。