根因
- 基于根因分析法的持續(xù)質(zhì)量改進(jìn)對(duì)消毒供應(yīng)中心管理質(zhì)量的影響
方面[4]?；?span id="j5i0abt0b" class="hl">根因分析法的持續(xù)質(zhì)量改進(jìn)是指通過(guò)對(duì)問(wèn)題進(jìn)行深入分析,找出問(wèn)題的本質(zhì)原因,并采取有效措施去除根源,以達(dá)到不斷改進(jìn)、提高質(zhì)量的目的[5]。它是一個(gè)系統(tǒng)化的方法,包括問(wèn)題定義、數(shù)據(jù)收集、根因分析、解決方案制訂、實(shí)施和監(jiān)測(cè)等步驟。本研究通過(guò)將基于根因分析法的持續(xù)質(zhì)量改進(jìn)應(yīng)用于消毒供應(yīng)中心管理中,以提高消毒管理質(zhì)量?，F(xiàn)報(bào)告如下。1 資料與方法1.1 一般資料 選取2022年3月1日～2023年2月28日消毒供應(yīng)中心工作人員104名為研究對(duì)象。將202
齊魯護(hù)理雜志 2023年20期2023-10-28
- 一種復(fù)雜微服務(wù)系統(tǒng)異常行為分析與定位算法
件的智能運(yùn)維中,根因分析[11-13](Root Cause Analysis,RCA)智能化運(yùn)維提供了精確的數(shù)據(jù)基礎(chǔ)和故障定位依據(jù)。根因分析的場(chǎng)景大致抽象為搜索定位、指標(biāo)關(guān)聯(lián)、調(diào)用異常和組合分析等幾大方向。在搜索定位方面,Hotspot[14]構(gòu)建了多維時(shí)間序列指標(biāo)的數(shù)據(jù)立方體,利用蒙特卡羅樹(shù)搜索(Monte Carlo Tree Search,MCTS)方法對(duì)根元素集進(jìn)行定位,是該多維指標(biāo)體系中精確高效的異常定位方法。iDice方法[15]解決了關(guān)于快
西安郵電大學(xué)學(xué)報(bào) 2023年1期2023-07-01
- 基于“5WHY”原則分析護(hù)士第二受害者給藥錯(cuò)誤的根因及對(duì)策
WHY”原則進(jìn)行根因分析，以探討護(hù)理工作中ME 的原因及防范對(duì)策，報(bào)道如下。1 資料與方法1.1 一般資料 收集2017 年8 月至2022 年7 月寧波市第二醫(yī)院護(hù)士第二受害者上報(bào)的ME 報(bào)告128例，均按INRUD中國(guó)中心組臨床安全用藥組創(chuàng)建的ME 報(bào)告表填寫(xiě)。1.2 方法 采用Excel 軟件統(tǒng)計(jì)ME 分級(jí)與類型、錯(cuò)誤原因等，基于“5WHY”原則對(duì)ME 原因進(jìn)行根因分析，提出對(duì)應(yīng)的防范對(duì)策，做好臨床護(hù)理質(zhì)量持續(xù)性改進(jìn)。ME 分級(jí)根據(jù)《中國(guó)給藥錯(cuò)誤管理
現(xiàn)代實(shí)用醫(yī)學(xué) 2023年4期2023-05-27
- 基于微服務(wù)調(diào)用鏈雙向搜索的故障根因定位方法*
，實(shí)現(xiàn)異常檢測(cè)及根因定位成為亟待解決的問(wèn)題。其中，故障是指服務(wù)無(wú)法執(zhí)行其功能，而異常是指故障引發(fā)的可觀測(cè)現(xiàn)象。異常檢測(cè)是依據(jù)觀測(cè)到的異常現(xiàn)象，判斷故障類別的過(guò)程。根因定位是依托異常檢測(cè)，分析服務(wù)運(yùn)行過(guò)程中可能發(fā)生的故障，定位到發(fā)生故障節(jié)點(diǎn)的過(guò)程。為了保障服務(wù)的安全性和可靠性，必須在微服務(wù)體系下實(shí)現(xiàn)高速響應(yīng)的故障異常檢測(cè)和根因定位。目前，研究人員已經(jīng)提出了很多不同的方案，來(lái)解決微服務(wù)中故障的異常檢測(cè)和根因定位問(wèn)題。異常檢測(cè)和根因定位主要依托于觀測(cè)到異常的時(shí)間
通信技術(shù) 2022年11期2023-01-16
- 根因分析聯(lián)合激勵(lì)心理護(hù)理對(duì)改善結(jié)直腸息肉切除術(shù)患者負(fù)性情緒及預(yù)后的作用
足相關(guān)護(hù)理需求。根因分析主要是能護(hù)理過(guò)程中對(duì)之前發(fā)生的不良事件進(jìn)行分析，找出之前護(hù)理存在的缺陷并進(jìn)行整改，屬于一種回溯性失誤分析，能有效避免類似不良事件發(fā)生；而激勵(lì)心理護(hù)理干預(yù)，主要為患者提供心理干預(yù)服務(wù)，能有效改善患者心理狀態(tài)[7]。因此，有學(xué)者認(rèn)為對(duì)改善結(jié)直腸息肉切除術(shù)患者積極采取根因分析聯(lián)合激勵(lì)心理護(hù)理，能改善患者心理狀態(tài)，避免、減少相關(guān)不良事件及并發(fā)癥發(fā)生[8]?；诖?，本研究將重點(diǎn)探討根因分析聯(lián)合激勵(lì)心理護(hù)理對(duì)改善結(jié)直腸息肉切除術(shù)患者負(fù)性情緒及預(yù)
中國(guó)醫(yī)藥指南 2022年33期2022-12-19
- ?？蜓?/a>
《微服務(wù)架構(gòu)下的根因定位方法綜述》一文詳細(xì)介紹了微服務(wù)架構(gòu)下構(gòu)建故障傳播圖的方式以及基于圖推理的根因定位技術(shù)。結(jié)合云平臺(tái)上運(yùn)維及高可用的能力建設(shè)經(jīng)驗(yàn)，對(duì)現(xiàn)有的根因定位方法進(jìn)行梳理、總結(jié)?；趫D推理的根因定位方法在大型數(shù)據(jù)中心顯著提高了云上系統(tǒng)的穩(wěn)定性和可靠性，隨著數(shù)字化轉(zhuǎn)型的深入，微服務(wù)架構(gòu)下的根因定位技術(shù)對(duì)大規(guī)模云平臺(tái)的穩(wěn)定性保障將會(huì)起到越來(lái)越大的作用。[6]上述系列文章各自從不同的角度闡釋了智能計(jì)算平臺(tái)在自然語(yǔ)言處理、知識(shí)圖譜等各個(gè)領(lǐng)域的應(yīng)用技術(shù)和創(chuàng)新
數(shù)據(jù)與計(jì)算發(fā)展前沿 2022年3期2022-12-07
- 基于根因分析的針對(duì)性護(hù)理聯(lián)合經(jīng)鼻高流量氧療對(duì)胸腔鏡術(shù)后患者低氧血癥的效果觀察
效果不佳[8]。根因分析法是一種通過(guò)回溯分析護(hù)理質(zhì)量，進(jìn)而找出系統(tǒng)和流程中所存在的風(fēng)險(xiǎn)和問(wèn)題，方便及時(shí)處理，以防相似的事情出現(xiàn)第2次[9]。本研究觀察探討基于根因分析的針對(duì)性護(hù)理聯(lián)合經(jīng)鼻高流量氧療對(duì)胸腔鏡術(shù)后患者低氧血癥的效果觀察，現(xiàn)報(bào)道如下。1 資料與方法1.1 一般資料選擇2018年1月～2022年2月在南京市腦科醫(yī)院診治的胸腔鏡術(shù)后患者72例作為研究對(duì)象，根據(jù)1∶1平行對(duì)照原則把患者分為針對(duì)性護(hù)理組與傳統(tǒng)護(hù)理組，各36例。針對(duì)性護(hù)理組與傳統(tǒng)護(hù)理組患者
中華養(yǎng)生保健 2022年23期2022-11-28
- 面向5G智慧醫(yī)療的切片分組網(wǎng)絡(luò)告警識(shí)別
，其中既有主要的根因告警，也有其衍生告警，既有本專業(yè)的直接告警，也有其他專業(yè)的間接告警[13]。面對(duì)海量的突發(fā)告警，快速精準(zhǔn)的進(jìn)行告警識(shí)別是智能告警處置模型的第一步[14]。告警處置模型依據(jù)不同告警產(chǎn)生原因的差異，結(jié)合SPN切片網(wǎng)絡(luò)告警構(gòu)成及現(xiàn)狀，將相關(guān)告警統(tǒng)分為工程告警、空閑告警、重復(fù)告警以及根因告警四類，便于第二步驟告警壓縮的開(kāi)展。2.2 智能告警壓縮通過(guò)時(shí)間關(guān)聯(lián)算法、業(yè)務(wù)關(guān)聯(lián)算法、名稱關(guān)聯(lián)算法聯(lián)合去重降噪，實(shí)現(xiàn)切片網(wǎng)絡(luò)告警總量的顯著壓縮。三種算法之間
現(xiàn)代信息科技 2022年19期2022-11-19
- 根因分析法聯(lián)合品管圈管理對(duì)精神科住院患者院內(nèi)感染的控制效果
理管理至關(guān)重要。根因分析法為回溯性失誤分析法，其可應(yīng)用于各個(gè)領(lǐng)域，對(duì)于各行業(yè)中不良事件發(fā)生率的降低顯著有效；另品管圈管理為日本石川馨博士在1962年提出，現(xiàn)已廣泛應(yīng)用于臨床護(hù)理中，不僅可提升醫(yī)護(hù)人員的管理責(zé)任意識(shí)，提高護(hù)理質(zhì)量，而且可規(guī)范院內(nèi)管理模式，降低感染發(fā)生〔3-4〕。既往研究中，根因分析法、品管圈管理多應(yīng)用于護(hù)理不良事件中，而關(guān)于二者聯(lián)合應(yīng)用于院內(nèi)感染的控制中的研究尚少?；诖耍狙芯刻接?span id="j5i0abt0b" class="hl">根因分析法聯(lián)合品管圈管理對(duì)精神科住院患者院內(nèi)感染的控制效果，
國(guó)際護(hù)理學(xué)雜志 2022年16期2022-09-28
- 一種5G 用戶語(yǔ)音質(zhì)差無(wú)線根因定位方法及實(shí)現(xiàn)
大，無(wú)法識(shí)別主次根因，且一級(jí)根因無(wú)法直接執(zhí)行，如一級(jí)根因結(jié)果為弱覆蓋，可能是主控基站故障導(dǎo)致，需一線人員二次分析；且“體檢式”的檢查，當(dāng)小區(qū)出現(xiàn)多根因時(shí)，主因的判定算法不科學(xué)。本方法針對(duì)運(yùn)營(yíng)商在定位這一類投訴的根因需求，提出了一種采用階梯染色方法結(jié)合AHP 的算法，具有主次根因識(shí)別能力、并輸出二級(jí)根因，該根因可直接用于一線人員落地執(zhí)行，或?qū)訁?shù)平臺(tái)自動(dòng)執(zhí)行。該算法實(shí)現(xiàn)了5G 用戶語(yǔ)音質(zhì)差投訴的根因一鍵式輸出，提升投訴處理效率及自動(dòng)處理能力。1 整體架構(gòu)及
現(xiàn)代工業(yè)經(jīng)濟(jì)和信息化 2022年8期2022-09-24
- 根因分析指導(dǎo)下心理干預(yù)聯(lián)合家庭干預(yù)對(duì)乳腺癌根治術(shù)后乳房缺失患者術(shù)后心理應(yīng)激、應(yīng)對(duì)方式的影響
質(zhì)量[1-2]。根因分析是回溯性失誤分析工具，其目的在于通過(guò)對(duì)已發(fā)生的問(wèn)題進(jìn)行溯因推理，明確造成問(wèn)題的各種原因，再依據(jù)原因之間的關(guān)系按需要確定根本原因，以避免問(wèn)題再次發(fā)生。本文主要探討根因分析指導(dǎo)下心理干預(yù)聯(lián)合家庭干預(yù)對(duì)乳腺癌根治術(shù)后乳房缺失患者術(shù)后心理應(yīng)激、應(yīng)對(duì)方式的影響。1 資料與方法1.1一般資料 選取我院2020年2月至2021年2月收治的乳腺癌根治術(shù)后乳房缺失患者80例，按隨機(jī)數(shù)字表法分為對(duì)照組和觀察組各40例。對(duì)照組年齡34～56(41.25±
貴州醫(yī)藥 2022年7期2022-08-08
- 微服務(wù)架構(gòu)下的根因定位方法綜述
面向微服務(wù)架構(gòu)的根因定位方法，探索在微服務(wù)架構(gòu)下系統(tǒng)發(fā)生異常后自動(dòng)、準(zhǔn)確地定位引起異常的根因事件或異常組件，縮短異常修復(fù)時(shí)間，提高云上系統(tǒng)穩(wěn)定性。1 研究背景及意義1.1 微服務(wù)架構(gòu)微服務(wù)指將大型的單體軟件應(yīng)用拆分成多個(gè)簡(jiǎn)單應(yīng)用，每個(gè)簡(jiǎn)單應(yīng)用描述一個(gè)細(xì)分業(yè)務(wù)或功能，系統(tǒng)中各個(gè)簡(jiǎn)單應(yīng)用可被獨(dú)立部署，且各個(gè)應(yīng)用之間松耦合以實(shí)現(xiàn)系統(tǒng)的持續(xù)快速交付和運(yùn)維[4]。微服務(wù)架構(gòu)與傳統(tǒng)的單體架構(gòu)相比，旨在通過(guò)將功能分解到各個(gè)離散的服務(wù)中，實(shí)現(xiàn)單個(gè)系統(tǒng)復(fù)雜度和耦合性降低，通
數(shù)據(jù)與計(jì)算發(fā)展前沿 2022年3期2022-06-16
- 基于多源數(shù)據(jù)的軌道交通能耗異常原因分析
，研究能耗問(wèn)題的根因分析方法，完成能耗異常問(wèn)題快速定位，及時(shí)排查和解決能耗問(wèn)題，實(shí)現(xiàn)地鐵節(jié)能減排。1 通風(fēng)空調(diào)系統(tǒng)組成及能耗影響因素軌道交通車站分為地下車站和地上車站，只有地下車站需要建設(shè)通風(fēng)空調(diào)系統(tǒng)。車站通風(fēng)空調(diào)系統(tǒng)（又稱地鐵環(huán)控系統(tǒng)）是為保證車站及隧道內(nèi)部空氣品質(zhì)、溫濕度等環(huán)境因素在乘客可接受水平而設(shè)的系統(tǒng)，是地鐵系統(tǒng)不可分割的一部分。從系統(tǒng)組成來(lái)看，通風(fēng)空調(diào)系統(tǒng)可分為開(kāi)式系統(tǒng)、閉式系統(tǒng)和屏蔽門(mén)系統(tǒng)。從通風(fēng)空調(diào)系統(tǒng)工藝來(lái)看，目前，軌道交通車站大多采用的
中國(guó)資源綜合利用 2022年5期2022-06-06
- 基于正負(fù)關(guān)聯(lián)規(guī)則的告警根因計(jì)算方法
收集到的告警進(jìn)行根因分析[2]是非常重要的?，F(xiàn)有根因分析的基本思路：通過(guò)人工檢索相關(guān)錯(cuò)誤日志和告警數(shù)據(jù)，從中定位實(shí)際產(chǎn)生的問(wèn)題以及引發(fā)告警的真正原因。當(dāng)需要檢索的告警和日志數(shù)據(jù)達(dá)到一定量級(jí)時(shí)，就會(huì)出現(xiàn)效率問(wèn)題。本文基于正負(fù)關(guān)聯(lián)規(guī)則和設(shè)備拓?fù)潢P(guān)系，提出了一種大型IT 系統(tǒng)中的告警根因計(jì)算方法。1 告警的根因分析與關(guān)聯(lián)規(guī)則1.1 根本原因與根因分析根本原因（root cause）是指影響IT 系統(tǒng)正常工作并觸發(fā)告警的最開(kāi)始或基礎(chǔ)性原因。識(shí)別根本原因是外延推理常
科技創(chuàng)新與應(yīng)用 2022年5期2022-03-16
- 基于時(shí)序分解的微服務(wù)調(diào)用鏈根因定位*
速檢測(cè)故障和定位根因仍然是一項(xiàng)艱巨的任務(wù)。通過(guò)分析現(xiàn)有文獻(xiàn)發(fā)現(xiàn)，目前已經(jīng)有大量關(guān)于故障檢測(cè)和根因定位的方法，包括基于非結(jié)構(gòu)化日志的故障檢測(cè)方法[5-6]、基于系統(tǒng)關(guān)鍵性能指標(biāo)的故障檢測(cè)方法[7-8]、基于調(diào)用鏈日志的異常服務(wù)檢測(cè)方法并做根因分析[9-11]，以及比較流行的通過(guò)構(gòu)造故障傳播圖實(shí)現(xiàn)的根因定位方法[12]。由于有些故障并不會(huì)嚴(yán)格按照節(jié)點(diǎn)調(diào)用的某一個(gè)方向傳播，且并不一定會(huì)體現(xiàn)在前端節(jié)點(diǎn)上，或者由于其他因素影響，有些統(tǒng)計(jì)相關(guān)性高的指標(biāo)實(shí)際并不一定具有
通信技術(shù) 2022年12期2022-03-01
- 面向數(shù)字化運(yùn)營(yíng)的無(wú)線網(wǎng)問(wèn)題根因定位算法研究
通過(guò)建立無(wú)線問(wèn)題根因定位算法庫(kù)，對(duì)問(wèn)題小區(qū)進(jìn)行根因定位，從而幫助一線人員快速定位網(wǎng)絡(luò)問(wèn)題，高效支撐生產(chǎn)運(yùn)營(yíng)。2 無(wú)線網(wǎng)問(wèn)題根因定位算法分析思路網(wǎng)絡(luò)質(zhì)量和用戶感知之間相輔相成。評(píng)價(jià)用戶感知，可以從“站的上、駐留穩(wěn)、速率高”等方面來(lái)綜合評(píng)價(jià)，當(dāng)小區(qū)存在低接入、高掉線、低速率等問(wèn)題時(shí)，則認(rèn)為該小區(qū)為影響用戶感知的質(zhì)差小區(qū)。雖然能夠通過(guò)掉線率、無(wú)線接入成功率、速率等指標(biāo)識(shí)別出這些質(zhì)差小區(qū)，但由于影響用戶感知的原因多種多樣，甚至可能是多種因素導(dǎo)致，一線人員定位質(zhì)差小
郵電設(shè)計(jì)技術(shù) 2022年1期2022-02-20
- 基于數(shù)據(jù)挖掘的5GC網(wǎng)絡(luò)質(zhì)差根因分析定位系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)
驗(yàn)庫(kù)，高效對(duì)質(zhì)差根因進(jìn)行精準(zhǔn)定位和及時(shí)處理是網(wǎng)絡(luò)維護(hù)和優(yōu)化人員一直面臨的挑戰(zhàn)?；跀?shù)據(jù)挖掘的5GC 網(wǎng)絡(luò)質(zhì)差根因分析定位系統(tǒng)首先實(shí)時(shí)跟蹤5GC 和IMS 域的關(guān)鍵性能KPI，通過(guò)完善的算法及時(shí)發(fā)現(xiàn)質(zhì)差指標(biāo)，然后結(jié)合各類關(guān)聯(lián)數(shù)據(jù)進(jìn)行聚類分析并匹配經(jīng)驗(yàn)庫(kù)完成根因定位，最后派發(fā)一線維護(hù)人員實(shí)施優(yōu)化。該系統(tǒng)可提高運(yùn)營(yíng)效率，是推動(dòng)核心網(wǎng)數(shù)字化轉(zhuǎn)型工作落地的有效途徑。首批確定指標(biāo)及其定義如表1所示。表1 關(guān)注指標(biāo)及其定義2 系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)2.1 系統(tǒng)架構(gòu)整個(gè)系統(tǒng)分為數(shù)
郵電設(shè)計(jì)技術(shù) 2022年1期2022-02-20
- 網(wǎng)絡(luò)自助運(yùn)維服務(wù)模式的研究
化運(yùn)維服務(wù)、故障根因自動(dòng)定位和故障預(yù)防自愈、運(yùn)維服務(wù)自助編排的自助運(yùn)維手段，提升運(yùn)維效率。一、服務(wù)模型設(shè)計(jì)針對(duì)這些問(wèn)題，我們提出“多維信息聚合一高效數(shù)據(jù)引擎一智能分析預(yù)測(cè)一自助編排服務(wù)”的思路，進(jìn)行解決問(wèn)題的新途徑探索——具有自助運(yùn)維服務(wù)能力的平臺(tái)模型，建立以自助、可編排、實(shí)時(shí)在線為特點(diǎn)的運(yùn)維服務(wù)體系。多維信息聚合：對(duì)運(yùn)維服務(wù)所需知識(shí)點(diǎn)進(jìn)行聚合，形成多維的、標(biāo)準(zhǔn)化的信息聚合平臺(tái)，形成信息知識(shí)體系。高效數(shù)據(jù)引擎：將數(shù)據(jù)經(jīng)過(guò)處理、轉(zhuǎn)換后，經(jīng)過(guò)知識(shí)分類和智能關(guān)聯(lián)
消費(fèi)電子 2021年9期2021-11-05
- 根因分析法在長(zhǎng)期住院老年帶管患者院內(nèi)感染管理中的應(yīng)用
缺乏針對(duì)性所致。根因分析法是一種常用的原因分析方法，屬于探索根本問(wèn)題的工具，可利用系統(tǒng)的程序挖掘?qū)е聠?wèn)題產(chǎn)生的實(shí)質(zhì)性因素，從而有利于優(yōu)化工作。有研究顯示，在院內(nèi)感染控制中根因分析法的效果確切，但是其在長(zhǎng)期住院老年帶管患者院內(nèi)感染管理中的應(yīng)用方法及效果仍需要進(jìn)一步探討[8]。本研究旨在探討根因分析法對(duì)長(zhǎng)期住院的老年帶管患者的應(yīng)用策略及效果，可為院內(nèi)感染管理提供參考依據(jù)。1 資料與方法1.1 一般資料選取2019年4月至2020年7月開(kāi)封市中心醫(yī)院收治的92例
河南醫(yī)學(xué)研究 2021年25期2021-09-24
- 基于多維度數(shù)據(jù)挖掘的自學(xué)習(xí)故障根因定位系統(tǒng)
此，對(duì)故障發(fā)生的根因進(jìn)行自動(dòng)化的分析就顯得非常具有價(jià)值。實(shí)際上，系統(tǒng)故障定位是有跡可循的。云應(yīng)用系統(tǒng)的網(wǎng)元組件通過(guò)相互協(xié)作正常運(yùn)行，當(dāng)系統(tǒng)發(fā)生故障時(shí)，系統(tǒng)下的網(wǎng)元內(nèi)部的某些性能指標(biāo)同樣會(huì)發(fā)生異常。使用異常檢測(cè)、固定閾值等方法對(duì)系統(tǒng)內(nèi)部網(wǎng)元下的性能指標(biāo)進(jìn)行監(jiān)測(cè)，以告警的方式將各種性能指標(biāo)異常變化反映出來(lái)?？梢允褂孟到y(tǒng)一段時(shí)間的歷史指標(biāo)異常告警數(shù)據(jù)，基于歷史告警數(shù)據(jù)，采用關(guān)聯(lián)規(guī)則FP-growth算法分析告警事件之間的關(guān)聯(lián)關(guān)系，判斷同時(shí)出現(xiàn)的概率，以此分析出當(dāng)
電子技術(shù)與軟件工程 2021年15期2021-09-22
- 基于人工智能方法的數(shù)據(jù)庫(kù)智能診斷?
并診斷問(wèn)題發(fā)生的根因.該問(wèn)題有如下幾個(gè)難點(diǎn).? 監(jiān)控指標(biāo)和數(shù)據(jù)庫(kù)性能異常之間的對(duì)應(yīng)關(guān)系比較復(fù)雜,一種根因所引發(fā)的異常往往會(huì)導(dǎo)致多個(gè)監(jiān)控指標(biāo)出現(xiàn)問(wèn)題,而單個(gè)監(jiān)控指標(biāo)的異?？赡苡刹煌?span id="j5i0abt0b" class="hl">根因所導(dǎo)致的.此外,系統(tǒng)中會(huì)存在數(shù)百個(gè)指標(biāo),因此,采用簡(jiǎn)單的規(guī)則來(lái)進(jìn)行數(shù)據(jù)庫(kù)異常診斷精確度不高;? OLTP 環(huán)境下的數(shù)據(jù)庫(kù)執(zhí)行的是大量簡(jiǎn)單的事務(wù),如果監(jiān)控指標(biāo)數(shù)據(jù)成本較大,可能會(huì)使執(zhí)行時(shí)間較短的事務(wù)變慢,帶來(lái)數(shù)據(jù)庫(kù)性能下降的問(wèn)題;? 由于OLTP 任務(wù)請(qǐng)求的不穩(wěn)定性以及操作系統(tǒng)
軟件學(xué)報(bào) 2021年3期2021-05-23
- 無(wú)線網(wǎng)流量壓抑識(shí)別及根因判斷
要對(duì)流量受壓抑的根因進(jìn)行判斷，以便做出快速有效的調(diào)整措施，及時(shí)改善用戶感知。1 設(shè)計(jì)思路本方案通過(guò)標(biāo)桿小區(qū)的確定，找到指標(biāo)正常、感知正常、不存在流量壓抑情況的小區(qū)，探索其流量和指標(biāo)之間的特性并建立模型，將其他小區(qū)的指標(biāo)輸入模型之后判斷是否存在流量壓抑，整個(gè)流程分為分類、擬合、異常識(shí)別、壓抑預(yù)估、根因判斷5個(gè)步驟，實(shí)現(xiàn)方法如圖1所示：圖1 流量壓抑識(shí)別流程1.1 分類PRB（PHYSICAL RESOURCEBLOCK）利用率是反映無(wú)線網(wǎng)業(yè)務(wù)量最為直觀的指標(biāo)
江蘇通信 2021年2期2021-05-20
- 基于根因分析法的持續(xù)質(zhì)量改進(jìn)在重癥肺炎患兒并發(fā)癥預(yù)防及肺功能保護(hù)中的應(yīng)用效果
效果[2]?；?span id="j5i0abt0b" class="hl">根因分析法的持續(xù)質(zhì)量改進(jìn)能夠秉持以問(wèn)題為中心，設(shè)立設(shè)計(jì)目標(biāo)，尋找最佳護(hù)理方案，以便患兒得到針對(duì)性、有效、全面的護(hù)理服務(wù)，是一項(xiàng)新型質(zhì)量管理模式，更能夠在護(hù)理過(guò)程中不斷發(fā)現(xiàn)問(wèn)題、改進(jìn)，從而為患兒提供更優(yōu)質(zhì)護(hù)理服務(wù)，降低住院期間并發(fā)癥發(fā)生率。而本文進(jìn)一步探索根因分析法的持續(xù)質(zhì)量改進(jìn)優(yōu)勢(shì)以及在重癥肺炎患兒中作用性，報(bào)道如下。1 資料和方法1.1 一般資料 將96例重癥肺炎患兒為試驗(yàn)對(duì)象，選擇單雙號(hào)隨機(jī)分為兩組（觀察組和對(duì)照組），此次試驗(yàn)均在201
首都食品與醫(yī)藥 2021年5期2021-03-22
- 基于CCF-PLS的通訊系統(tǒng)異常根因分析
基于PLS模型的根因檢測(cè)方法主要基于貢獻(xiàn)圖[4]，貢獻(xiàn)較大的變量可能是導(dǎo)致故障的根本原因。文獻(xiàn)[5]給出了貢獻(xiàn)度的不同定義，并將基于貢獻(xiàn)圖的方法大體上分為3 類：廣義貢獻(xiàn)分解[5]（GDC）、重構(gòu)貢獻(xiàn)分解[6]（RBC）、對(duì)角貢獻(xiàn)分解[7-8]（DC）。通過(guò)計(jì)算各個(gè)變量的貢獻(xiàn)度，能夠檢測(cè)出導(dǎo)致異常情況的主要變量。然而，PLS模型沒(méi)有解決過(guò)程變量中含有與質(zhì)量變量變化不相關(guān)成分的問(wèn)題[9]，顯然與質(zhì)量無(wú)關(guān)的過(guò)程變量會(huì)導(dǎo)致模型分析結(jié)果不準(zhǔn)確[10]。由于通訊網(wǎng)絡(luò)
- 根因分析法對(duì)神經(jīng)外科ICU患者非計(jì)劃性拔管的影響
干預(yù)[2-3]。根因分析法作為新型管理方法，具有系統(tǒng)性、回顧性和團(tuán)體性的特點(diǎn)，可尋找出系統(tǒng)和流程中的不足、缺陷，并實(shí)施相應(yīng)改善措施[4]。在本研究中對(duì)我院收治的神經(jīng)外科ICU患者給予基于根因分析法的干預(yù)，對(duì)比常規(guī)干預(yù)的效果，現(xiàn)將結(jié)果報(bào)告如下。1 資料與方法1.1一般資料：選取我院2017年7月～2018年12月收治的82例行常規(guī)干預(yù)的神經(jīng)外科ICU患者為對(duì)照組；另選取2019年1月～2019年6月收治的行根因分析法干預(yù)的神經(jīng)外科ICU患者82例為觀察組。對(duì)
吉林醫(yī)學(xué) 2021年2期2021-02-06
- 根因分析法在預(yù)防手術(shù)室護(hù)理不良事件當(dāng)中的應(yīng)用效果
與安全性，我們將根因分析法應(yīng)用到手術(shù)室護(hù)理管理中，取得了理想的護(hù)理效果，現(xiàn)將相關(guān)情況匯報(bào)如下。1 資料與方法1.1 一般資料本院收治的研究對(duì)象均是本院在一定時(shí)期內(nèi)納入的接受手術(shù)治療的患者，研究組為本院在2019 年1 月至2019 年12月收治的手術(shù)室患者532 例，對(duì)這些患者實(shí)施根因分析法。對(duì)照組是本院在2018 年1 月至2018 年12 月收治的手術(shù)室患者508 例，沒(méi)有實(shí)施根因分析法。比較兩組患者在基礎(chǔ)情況方面的內(nèi)容，具備較高的相似性，具有較好的可
世界最新醫(yī)學(xué)信息文摘 2020年39期2020-12-25
- 基于改進(jìn)PCA算法的振蕩故障根因定位方法
越受到關(guān)注，故障根因定位技術(shù)成為了該領(lǐng)域的熱點(diǎn)研究問(wèn)題。故障根因定位是指通過(guò)一定的手段來(lái)尋找出處于異常狀態(tài)下的系統(tǒng)故障點(diǎn)，進(jìn)而為系統(tǒng)損壞的及時(shí)處理提供參考作用[1]?，F(xiàn)有的故障根因定位方法主要分為基于模型和數(shù)據(jù)驅(qū)動(dòng)兩類[2-4]?；谀Ｐ偷姆椒ㄐ枰私馍a(chǎn)制造系統(tǒng)的機(jī)理，從而建立起準(zhǔn)確且可靠的解析模型，主要包括狀態(tài)估計(jì)法、參數(shù)估計(jì)法等；數(shù)據(jù)驅(qū)動(dòng)方法以多元統(tǒng)計(jì)分析為基礎(chǔ)，融合了信號(hào)處理、人工智能等方法，不需要準(zhǔn)確的機(jī)理模型，僅依靠系統(tǒng)運(yùn)行過(guò)程中的大量測(cè)量數(shù)據(jù)
計(jì)算機(jī)應(yīng)用與軟件 2020年11期2020-11-12
- 掌控4S店運(yùn)營(yíng)的100張圖(72)
朝峰第86張圖：根因探尋-5WHY對(duì)于4S店的管理者來(lái)說(shuō)，管理實(shí)戰(zhàn)中最常見(jiàn)的情景就是對(duì)各類運(yùn)營(yíng)問(wèn)題的分析，而問(wèn)題分析的有效性則是以是否精準(zhǔn)找到問(wèn)題的根因作為評(píng)價(jià)標(biāo)準(zhǔn)。在筆者看來(lái)，能夠幫助管理者輕松獲取問(wèn)題根因的最佳闖關(guān)利器，毫無(wú)疑問(wèn)便是5WHY分析法了。1.5WHY分析法所謂5WHY分析法，又稱“5問(wèn)法”，也就是對(duì)一個(gè)問(wèn)題點(diǎn)連續(xù)提問(wèn)5個(gè)“為什么”，以追究其根本原因（圖86a）。這里的5個(gè)“為什么”，并不限定只做“5次為什么的探討”，原則上是以必須找到根本原
汽車與駕駛維修（維修版） 2020年8期2020-09-29
- 基于根因分析法的器械清洗消毒措施的應(yīng)用效果
降低感染發(fā)生率。根因分析法是有效處理問(wèn)題的結(jié)構(gòu)性方法，通過(guò)分析和確定問(wèn)題產(chǎn)生的原因，制定有效的預(yù)防措施，實(shí)現(xiàn)護(hù)理工作流程的整體優(yōu)化，進(jìn)一步提高管理和護(hù)理工作質(zhì)量，其已被廣泛應(yīng)用于臨床實(shí)踐中[1]。鑒于此，本研究探討基于根因分析法的器械清洗消毒措施的應(yīng)用效果，現(xiàn)報(bào)道如下。1 資料與方法1.1 一般資料選擇我院2017年9月至2018年8月行常規(guī)器械清洗消毒措施期間收治的84例住院患者作為對(duì)照組，其中男40例，女44例；年齡20～78歲，平均(48.59±6.
醫(yī)療裝備 2020年16期2020-09-08
- 5G網(wǎng)絡(luò)維護(hù)自動(dòng)化及優(yōu)化智能化研究
下：a）自動(dòng)識(shí)別根因告警，基于根因告警生成衍生告警和派單，提升派單準(zhǔn)確性。b）自動(dòng)統(tǒng)計(jì)規(guī)模退服所影響的基站數(shù)量，并支持導(dǎo)出退服告警清單，縮短規(guī)模退服通報(bào)時(shí)長(zhǎng)。c）提供故障根因診斷結(jié)果和關(guān)聯(lián)拓?fù)鋱D查詢，提升代維人員故障處理效率。d）通過(guò)故障自動(dòng)愈合，減少工單數(shù)量，降低運(yùn)維成本。2.1.2 5G自動(dòng)化排障業(yè)務(wù)流程如圖2 所示，整個(gè)5G 智能排障業(yè)務(wù)流程分為2 個(gè)部分：故障跨域根因定位和故障自動(dòng)診斷和愈合。2.1.2.1 故障跨域根因定位圖1 5G自動(dòng)化排障方案
郵電設(shè)計(jì)技術(shù) 2020年7期2020-08-15
- 根因分析法應(yīng)用于急性胰腺炎患者臨床護(hù)理的效果觀察
納入研究中，評(píng)定根因分析法的臨床效果。1 資料與方法1.1 基本數(shù)據(jù)在2017年1月～2019年4月，我院共接收40例急性胰腺炎患者，通過(guò)隨機(jī)數(shù)字表法均分為研究組（n=20）和對(duì)照組（n=20）。研究組男12例，女8例，最大年齡63歲，最小年齡34歲，中位年齡（47.4±3.6）歲；對(duì)照組男9例，女11例，最大年齡62歲，最小年齡33歲，中位年齡（47.5±3.2）歲，兩組基線資料采用年齡、性別對(duì)比，無(wú)統(tǒng)計(jì)學(xué)意義（P＞0.05）。入選依據(jù)：①年齡＜74歲；
實(shí)用臨床護(hù)理學(xué)雜志(電子版) 2020年27期2020-07-15
- 一種智能調(diào)整工單流向的根因告警派單方法
題，本文提出一種根因告警派單方法，根據(jù)預(yù)處理結(jié)果智能調(diào)整工單流向，精準(zhǔn)派發(fā)根因告警工單，可有效減少工單數(shù)量，提升派單精準(zhǔn)度。網(wǎng)絡(luò)發(fā)展日新月異，網(wǎng)絡(luò)規(guī)模日益擴(kuò)大化復(fù)雜化，尤其是5G網(wǎng)絡(luò)開(kāi)始進(jìn)入商用，進(jìn)一步增加了全網(wǎng)復(fù)雜性、異構(gòu)性和扁平性。一個(gè)底層網(wǎng)絡(luò)的故障，將在上層業(yè)務(wù)設(shè)備上擴(kuò)散，產(chǎn)生大量的次生告警，并根據(jù)告警專業(yè)，派發(fā)工單到不同專業(yè)的維護(hù)人員。以某省城域網(wǎng)故障工單為例，約有98%的故障工單是由于傳送網(wǎng)故障引起。在全網(wǎng)集中維護(hù)，工單直達(dá)一線的背景下，傳送網(wǎng)和
網(wǎng)絡(luò)安全和信息化 2020年5期2020-05-20
- 企業(yè)質(zhì)量管理中問(wèn)題分析方法介紹
同一個(gè)。針對(duì)所有根因制定糾正措施，徹底將問(wèn)題解決。魚(yú)骨圖+5W聯(lián)合運(yùn)用示意圖示例一：不符合事實(shí)“××年度新操作工崗位技能培訓(xùn)需求沒(méi)有識(shí)別，培訓(xùn)沒(méi)有策劃和記錄，培訓(xùn)有效性評(píng)價(jià)沒(méi)有實(shí)施?！贬槍?duì)此問(wèn)題，分別從人、法、環(huán)、測(cè)四個(gè)因素方面進(jìn)行了5w分析;不涉及機(jī)、料兩方面因素。a，人：Whyl：為什么新操作工崗位技能培訓(xùn)需求沒(méi)有識(shí)別，培訓(xùn)沒(méi)有策劃和記錄，培訓(xùn)有效性評(píng)價(jià)沒(méi)有實(shí)拖？因?yàn)闆](méi)有將新操作工崗位技能培訓(xùn)的需求納入培訓(xùn)計(jì)劃，因此沒(méi)有形成相關(guān)的培訓(xùn)記錄和培訓(xùn)有效性的
經(jīng)營(yíng)管理者 2020年3期2020-04-02
- 基于CMDB的信息系統(tǒng)故障根因定位技術(shù)的研究
出信息系統(tǒng)的故障根因。1 基于CMDB的故障定位技術(shù)的架構(gòu)基于CMDB的故障定位技術(shù)的架構(gòu)自底向上分為數(shù)據(jù)采集、數(shù)據(jù)處理以及數(shù)據(jù)應(yīng)用三層，如圖1所示。圖1 基于CMDB的故障定位技術(shù)的架構(gòu)設(shè)計(jì)數(shù)據(jù)采集層實(shí)現(xiàn)監(jiān)控平臺(tái)對(duì)運(yùn)維對(duì)象的數(shù)據(jù)采集。運(yùn)維對(duì)象包括但不限于硬件設(shè)備、網(wǎng)絡(luò)設(shè)備、中間件、數(shù)據(jù)庫(kù)、應(yīng)用服務(wù)等。數(shù)據(jù)處理層實(shí)現(xiàn)對(duì)數(shù)據(jù)的獲取、編碼、分析推理以及處置。該層核心為CMDB、故障知識(shí)庫(kù)以及推理機(jī)。CMDB數(shù)據(jù)采集層采集到的數(shù)據(jù)匯總，并提供相關(guān)對(duì)象的配置屬性和
通信電源技術(shù) 2020年3期2020-03-21
- 基于因果規(guī)則的電力營(yíng)銷系統(tǒng)故障定位算法
ion)，又稱為根因分析(Root Cause Analysis)，旨在系統(tǒng)中出現(xiàn)異常的表征時(shí)，如事件、告警等，迅速準(zhǔn)確地定位故障原因。故障定位作為工業(yè)系統(tǒng)重要的工作，目前已有許多關(guān)于其算法的研究[1-5]，根據(jù)模型大致可以分為基于分類模型的方法和基于概率圖模型的方法[6]。基于分類模型的方法通常依賴大量的訓(xùn)練樣本，根據(jù)訓(xùn)練好的模型對(duì)發(fā)生的事件預(yù)測(cè)根因。Baraldi等人[7]使用K-近鄰算法(K-Nearest Neighbors， KNN)進(jìn)行多層次的
計(jì)算機(jī)與現(xiàn)代化 2020年3期2020-03-18
- 背光膜片組裝靜電吸附問(wèn)題改善研究
進(jìn)行原因排查，對(duì)根因采用DOE法進(jìn)行逐項(xiàng)驗(yàn)證，找到最佳參數(shù)及方案，最終將改善按統(tǒng)合應(yīng)用于產(chǎn)線實(shí)際生產(chǎn)，達(dá)到改善的目的。建立臨時(shí)小組：PD、INT、SQE、供應(yīng)商、ENG臨時(shí)措施：FILM上線前增加臨時(shí)消靜電措施。原因分析：采用魚(yú)骨圖（如圖6所示）進(jìn)行可能原因篩查。表1所示為問(wèn)題根因排查項(xiàng)目展開(kāi)。表1 問(wèn)題根因排查項(xiàng)目展開(kāi)通過(guò)圖6魚(yú)骨圖及表1根因展開(kāi)可以發(fā)現(xiàn)，產(chǎn)線存在諸多問(wèn)題，經(jīng)排查后，將部分低級(jí)問(wèn)題先行改善，余下幾項(xiàng)為造成靜電吸附的主要原因，將逐一對(duì)其進(jìn)行
精密制造與自動(dòng)化 2019年4期2019-12-23
- 根因分析法在急診急救護(hù)理不良事件管理中的應(yīng)用
負(fù)面事件[1]。根因分析法(RCA)是美國(guó)醫(yī)師創(chuàng)造出的一種質(zhì)量結(jié)構(gòu)探詢程序，將其應(yīng)用于臨床上，能夠進(jìn)行回顧性、系統(tǒng)性的循證分析，進(jìn)而在問(wèn)題發(fā)生之前對(duì)潛在的風(fēng)險(xiǎn)和原因進(jìn)行控制和修正，從而做到事前預(yù)防、流程再造、多角度、多層次防控風(fēng)險(xiǎn)，防止同類事件反復(fù)出現(xiàn)[2]。本研究對(duì)根因分析法在急診急救護(hù)理不良事件管理中的應(yīng)用價(jià)值進(jìn)行了分析。1 資料和方法1.1 一般資料本研究選擇2018年1月至2018年10月之間我院急診科室接受急救護(hù)理476例患者為觀察對(duì)象，男300
實(shí)用臨床護(hù)理學(xué)雜志(電子版) 2019年16期2019-07-04
- 根因分析法對(duì)提高120出診時(shí)效的效果評(píng)價(jià)
能力。全科人員對(duì)根因分析法都有一定了解。質(zhì)控小組成員對(duì)根因分析法原理、應(yīng)用、實(shí)踐等有全面的掌握。質(zhì)控小組負(fù)責(zé)梳理出2018年6月我院急診科在接受市120指揮中心派單中受理和出車超時(shí)的資料，梳理出從派單受理那一刻到救護(hù)車出車期間每一個(gè)環(huán)節(jié)可能影響因素，從中找出派單受理超時(shí)和出車超時(shí)的根本原因，針對(duì)根本原因制定出針對(duì)性的預(yù)防及整改措施，并對(duì)急救站日常受理工作進(jìn)行監(jiān)督。1.2 方法1.2.1 原因確定 組織科室成員展開(kāi)用頭腦風(fēng)暴法，利用魚(yú)骨圖、原因樹(shù)等先進(jìn)的質(zhì)量
醫(yī)藥前沿 2019年7期2019-04-25
- 根因分析法應(yīng)用于急性胰腺炎患者臨床護(hù)理的效果分析
目計(jì)算資料，探討根因分析法實(shí)施于急性胰腺炎患者臨床護(hù)理干預(yù)中的價(jià)值。1 資料與方法1.1 基礎(chǔ)資料將本醫(yī)院消化科治療的30例急性胰腺炎患者（2017年1月-2019年4月是抽取時(shí)間）歸入實(shí)驗(yàn)分析資料，參考隨機(jī)數(shù)字表法實(shí)行分組，一組入組15例。對(duì)照組：年齡最高61歲，年齡最低23歲，年齡均值是（46.34±4.23）歲；女/男是5/10。試驗(yàn)組：年齡最高60歲，年齡最低24歲，年齡均值是（46.23±4.15）歲；女/男是6/9。計(jì)算兩組基礎(chǔ)指標(biāo)資料，P＞0
實(shí)用臨床護(hù)理學(xué)雜志(電子版) 2019年27期2019-04-20
- 根因分析法在精神分裂癥合并下肢深靜脈血栓患者中的護(hù)理效果研究
研究時(shí)段，主要對(duì)根因分析法在精神分裂癥合并下肢深靜脈血栓患者中的護(hù)理效果展開(kāi)分析，現(xiàn)報(bào)道如下1 資料與方法1.1 一般資料選取該院所收治的患有精神分裂合并下肢靜脈血栓患者作為此次的研究對(duì)象，根據(jù)隨機(jī)分組的原則分成常規(guī)護(hù)理組和根因分析法護(hù)理組，兩組各50例。其中，經(jīng)過(guò)對(duì)全部患者臨床資料統(tǒng)計(jì)得出，對(duì)照組患者中有21例男性，29例女性，患者年齡均在40～75歲；干預(yù)組患者中有24例男性，26例女性，患者年齡均在45～78歲；兩組患者選擇標(biāo)準(zhǔn)，精神病及下肢靜脈深血
反射療法與康復(fù)醫(yī)學(xué) 2019年2期2019-04-04
- 根因分析法對(duì)患者非計(jì)劃性拔管率影響的meta分析
的不良事件之一。根因分析法(根因分析法)是一種回顧性分析方法，它是一項(xiàng)結(jié)構(gòu)化的問(wèn)題處理法，用以逐步找出問(wèn)題的根本原因并加以解決，主要包括：組建團(tuán)隊(duì)，收集資料；查找直接原因；確認(rèn)根本原因；擬定改善計(jì)劃；落實(shí)改善。雖然很多學(xué)者的研究都證明相對(duì)于常規(guī)的護(hù)理方法，根因分析法可以顯著降低住院患者非計(jì)劃性拔管的發(fā)生率，但由于樣本量小，可信性不強(qiáng)。為了進(jìn)一步求證根因分析法對(duì)患者非計(jì)劃性拔管發(fā)生率的影響，檢索國(guó)內(nèi)外相關(guān)文獻(xiàn)，采用系統(tǒng)評(píng)價(jià)對(duì)納入文獻(xiàn)進(jìn)行定量分析，現(xiàn)報(bào)道如下。
中國(guó)老年保健醫(yī)學(xué) 2019年1期2019-03-20
- 根因分析法在預(yù)防顱腦損傷手術(shù)患者足部急性壓瘡中的應(yīng)用
276800）根因分析法具有系統(tǒng)的特點(diǎn)，醫(yī)護(hù)人員能了解各種不良事件的促成緣由與根本原因，降低不良事件發(fā)生的概率，其在臨床中具有廣泛的應(yīng)用趨勢(shì)。顱腦損傷手術(shù)患者由于長(zhǎng)期臥床，足跟部等長(zhǎng)期處于受壓的狀況中，產(chǎn)生壓瘡的概率明顯上升，此種情況應(yīng)獲得人們的高度重視[1]。隨機(jī)擇取2017年7月—2019年6月于該院收治的240例顱腦損傷術(shù)后患者作為研究對(duì)象，組建根因分析法小組，了解壓瘡的根本原因，對(duì)醫(yī)護(hù)人員進(jìn)行全面性的培訓(xùn)與監(jiān)督，壓瘡病癥被良好的預(yù)防，現(xiàn)將具體醫(yī)學(xué)
反射療法與康復(fù)醫(yī)學(xué) 2019年23期2019-02-11
- 根因分析法在急救護(hù)理不良事件中的應(yīng)用價(jià)值*
究的焦點(diǎn)[3]。根因分析(root cause analysis，RCA)主要是對(duì)前期出現(xiàn)的問(wèn)題進(jìn)行系統(tǒng)分析，旨在找出問(wèn)題的根本原因，從實(shí)質(zhì)上解決問(wèn)題的管理方法。意在從不良事件的表面現(xiàn)象進(jìn)行層層分解，逐層剖析出問(wèn)題的根本原因并加以解決，而不是僅僅解決現(xiàn)存的表面問(wèn)題[4]。本研究利用根因分析法，監(jiān)測(cè)2016年4月—2018年4月間我院急救護(hù)理不良事件發(fā)生率，并提出了整改方案，效果滿意，報(bào)道如下。1 資料與方法1.1一般資料選取本院2016年4月—2017年4
山東第一醫(yī)科大學(xué)(山東省醫(yī)學(xué)科學(xué)院)學(xué)報(bào) 2018年12期2018-11-15
- 一例輸卵管癌化療后留觀患者壓瘡根因分析
610041）根因分析（Root Cause Analysis，RCA）是一種結(jié)構(gòu)化的調(diào)查問(wèn)題和解決問(wèn)題的過(guò)程，通過(guò)發(fā)現(xiàn)問(wèn)題，收集數(shù)據(jù)，頭腦風(fēng)暴，分析數(shù)據(jù)，尋找根本原因，實(shí)施解決方案，從而達(dá)到消除問(wèn)題的目的，被廣泛應(yīng)用于質(zhì)量管理[1]。壓瘡，即壓力性潰瘍，是臨床中常見(jiàn)的康復(fù)治療和護(hù)理問(wèn)題。美國(guó)國(guó)家壓瘡專家組(National Pressure Ulcer Advisory Panel, NPUAP) 認(rèn)為, 通過(guò)回顧事件發(fā)生的時(shí)間表，根因分析能夠幫助了解
實(shí)用臨床護(hù)理學(xué)雜志(電子版) 2018年18期2018-07-24
- 根因分析法在預(yù)防手術(shù)室護(hù)理不良事件當(dāng)中的應(yīng)用探討
理管理當(dāng)中融入了根因分析法，獲得了較好的效果，現(xiàn)報(bào)道如下。1.資料與方法1.1 臨床資料對(duì)我院2016年1月至2016年12月間（根因分析法實(shí)施后）收治的手術(shù)室患者532例進(jìn)行回顧性分析，并設(shè)為研究組。另取2015年1月至2015年12月間收治的手術(shù)室患者508例作為對(duì)照組。研究組中男278例，女254例，年齡為18～76歲，平均年齡為（45.1±7.6）歲；對(duì)照組中男264例，女244例，年齡為18～77歲，平均年齡為（45.8±7.9）歲。兩組患者在性
醫(yī)藥前沿 2018年11期2018-03-30
- 根因分析聯(lián)合循證思維策略對(duì)婦科腹腔鏡術(shù)后患者改善肋肩疼痛及負(fù)性情緒的效果分析
活質(zhì)量產(chǎn)生影響。根因分析法是一種質(zhì)量管理模式，基于回顧性的、系統(tǒng)的、團(tuán)體的不良事件分析手段。通過(guò)找出流程和系統(tǒng)中的缺點(diǎn)和風(fēng)險(xiǎn)加以改善，在錯(cuò)誤中學(xué)習(xí)經(jīng)驗(yàn)并反思，從而從多層次、多角度提出預(yù)防措施。循證思維護(hù)理是一種新型護(hù)理理念，要求將實(shí)踐與研究有機(jī)結(jié)合，同時(shí)結(jié)合臨床經(jīng)驗(yàn)，從而制定出最適合、有效的護(hù)理措施[2]。為探討根因分析聯(lián)合循證思維策略對(duì)婦科腹腔鏡術(shù)后患者改善肋肩疼痛及負(fù)性情緒的影響效果，本文選取婦54例婦科腹腔鏡患者給予根因分析聯(lián)合循證思維策略，對(duì)比常規(guī)
實(shí)用婦科內(nèi)分泌雜志(電子版) 2018年36期2018-03-06
- 基于矩陣編碼的自動(dòng)路測(cè)根因定位方法
化，建立路測(cè)問(wèn)題根因分析經(jīng)驗(yàn)矩陣，同時(shí)采用系統(tǒng)自動(dòng)化分析路測(cè)問(wèn)題，實(shí)現(xiàn)路測(cè)問(wèn)題分析自動(dòng)化和矩陣化。【關(guān)鍵詞】矩陣 路測(cè) 根因 自動(dòng)化目前路測(cè)問(wèn)題的定位方法主要采用人工分析的方式，針對(duì)終端、維護(hù)、建設(shè)、優(yōu)化、規(guī)劃5大類21個(gè)小類根因進(jìn)行人工分析，給出最有可能的小類根因。具體分析流程步驟如下：（1）終端故障排查，排除非無(wú)線網(wǎng)因素；（2）故障告警排查，排查問(wèn)題路段周邊是否有站點(diǎn)存在故障告警；（3）排查問(wèn)題路段周邊是否存在己規(guī)劃未建設(shè)的站點(diǎn)；（4）進(jìn)行各類參數(shù)的排
電子技術(shù)與軟件工程 2017年18期2018-01-28
- 根因分析法在護(hù)理質(zhì)量管理中的應(yīng)用分析
護(hù)理不良事件引入根因分析法進(jìn)行管理，取得不錯(cuò)的效果，報(bào)道如下。1 資料與方法1.1 一般資料：選取本院2015年發(fā)生的23起護(hù)理不良事件（218例患者）作為對(duì)照組，使用根因分析法分析護(hù)理不良事件發(fā)生的原因，另選取2016年發(fā)生的12起護(hù)理不良事件（236例患者）作為研究組。對(duì)照組中男性患者119例，女性患者99例；年齡20～50歲，平均（32.28±2.26 ）歲。研究組中性患者128例，女性患者108例；年齡20～50歲，平均（32.43±2.35）歲。
中國(guó)醫(yī)藥指南 2018年7期2018-01-24
- 根因分析法在手術(shù)標(biāo)本固定錯(cuò)誤糾正與防范中的應(yīng)用
725000）根因分析法(RCA)是一項(xiàng)結(jié)構(gòu)化問(wèn)題解決方法，源自于瑞士乳酪理論，其目的在于找出問(wèn)題的潛在失誤及根本原因并加以加以解決，并制定有效的預(yù)防策略，避免類似不良事件的重復(fù)發(fā)生[1]。根因分析法關(guān)注引發(fā)問(wèn)題根本原因而非表征，是一種基于核心、系統(tǒng)、回顧性的不良事件分析方法，通過(guò)錯(cuò)誤反思、學(xué)習(xí)和經(jīng)驗(yàn)分享，實(shí)現(xiàn)系統(tǒng)流程的優(yōu)化，基于多角度、多層次提出針對(duì)性解決和預(yù)防措施[2]。在護(hù)理安全（不良）事件中應(yīng)用根因分析法，能夠?qū)崿F(xiàn)潛在風(fēng)險(xiǎn)的有效識(shí)別和預(yù)防。1.臨
醫(yī)藥前沿 2018年31期2018-01-17
- 根因分析法在實(shí)習(xí)生護(hù)理缺陷管理中的應(yīng)用
臨床教學(xué)與管理·根因分析法在實(shí)習(xí)生護(hù)理缺陷管理中的應(yīng)用胡明娟，沈麗青(紹興市中心醫(yī)院，浙江 紹興 312030)目的：探討根因分析法(RCA)在降低實(shí)習(xí)生護(hù)理缺陷中的效果。方法成立RCA管理小組，對(duì)2012年5月至2014年2月實(shí)習(xí)生發(fā)生護(hù)理缺陷進(jìn)行分析，找出近端原因和根本原因，制定整改措施，并與2014年5月至2016年2月實(shí)習(xí)生護(hù)理缺陷相比較。結(jié)果2014年5月至2016年2月實(shí)習(xí)生發(fā)生護(hù)理缺陷2起，較2012年5月至2014年2月實(shí)習(xí)生發(fā)生護(hù)理缺陷1
浙江醫(yī)學(xué)教育 2017年4期2017-12-06
- 根因分析法在提高科室備用藥品質(zhì)量管理中的應(yīng)用
州 221011根因分析法在提高科室備用藥品質(zhì)量管理中的應(yīng)用夏云俠徐州市賈汪區(qū)人民醫(yī)院藥劑科西藥房，江蘇徐州 221011目的 探究根因分析法在提高科室備用藥品質(zhì)量管理中的應(yīng)用效果。方法選擇2015年3月—2017年3月該院某科室作為研究對(duì)象。在2016年3月開(kāi)始實(shí)行根因分析法，并對(duì)研究科室進(jìn)行針對(duì)性優(yōu)化管理。分析該科室在根因分析法實(shí)施前后的備用藥品質(zhì)量管理差異。結(jié)果在2016年3月實(shí)行根因分析法之后，使用科室備用藥品患者對(duì)科室服務(wù)的滿意度顯著高于使用根因
中國(guó)衛(wèi)生產(chǎn)業(yè) 2017年16期2017-07-20
- 根因分析法在血液透析護(hù)理不良事件中的應(yīng)用效果
211900）根因分析法在血液透析護(hù)理不良事件中的應(yīng)用效果李迎春（江蘇南京鼓樓醫(yī)院集團(tuán)儀征醫(yī)院血透室，江蘇 南京 211900）目的分析根因分析法在血液透析護(hù)理不良事件中的應(yīng)用效果。方法 采取根因分析法（RCA）分析本院2016年5月～2017年5月血液透析護(hù)理中發(fā)生的31例不良事件原因，評(píng)估其應(yīng)用效果。結(jié)果 所有不良事件得到及時(shí)處理，無(wú)任何糾紛與投訴，且至今再無(wú)任何不良事件發(fā)生。結(jié)論 根因分析法在血液透析護(hù)理不良事件中的應(yīng)用效果顯著，值得推廣。血液透析
實(shí)用臨床護(hù)理學(xué)雜志(電子版) 2017年41期2017-04-03
- 手術(shù)室不良事件發(fā)生中的根因分析法應(yīng)用效果觀察
不良事件發(fā)生中的根因分析法應(yīng)用效果觀察馬莉芳（山西大醫(yī)院，山西 太原 030032）目的觀察根因分析法在分析手術(shù)室不良事件發(fā)生過(guò)程中的應(yīng)用效果。方法采用根因分析法分析2012年至2014年我院手術(shù)室發(fā)生的30例不良事件發(fā)生的根本原因，并制定針對(duì)性的改進(jìn)方案，比較實(shí)施根因分析法前后1年內(nèi)的手術(shù)室不良事件發(fā)生情況和患者投訴情況。結(jié)果手術(shù)護(hù)理不良事件發(fā)生的根本原因主要包括：手術(shù)室護(hù)理人員的風(fēng)險(xiǎn)意識(shí)薄弱，對(duì)手術(shù)室的規(guī)章制度重視程度不足；手術(shù)室工作流程未優(yōu)化存在缺陷
實(shí)用臨床護(hù)理學(xué)雜志(電子版) 2017年3期2017-04-01
- 基于根因分析法的持續(xù)質(zhì)量改進(jìn)降低神經(jīng)外科ICU非計(jì)劃性拔管事件的作用
·護(hù)理研究·基于根因分析法的持續(xù)質(zhì)量改進(jìn)降低神經(jīng)外科ICU非計(jì)劃性拔管事件的作用孫林 張玲目的 探討基于根因分析法的持續(xù)質(zhì)量改進(jìn)降低神經(jīng)外科ICU非計(jì)劃性拔管事件(UEE)的作用。方法 2012年1月至2013年12月期間采用常規(guī)護(hù)理的神經(jīng)外科ICU置管患者54例作為對(duì)照組，2014年1月至2016年1月期間采用常規(guī)護(hù)理聯(lián)合基于根因分析法的持續(xù)質(zhì)量改進(jìn)神經(jīng)外科ICU置管患者56例作為觀察組。比較2組UEX事件發(fā)生率、護(hù)理舒適度、疼痛程度與護(hù)理滿意度的差異。
河北醫(yī)藥 2017年6期2017-03-31
- 降低胰腺術(shù)后患者非計(jì)劃性拔管率的根因分析
非計(jì)劃性拔管率的根因分析龍 坤，方小萍（南京醫(yī)科大學(xué)第一附屬醫(yī)院 胰腺中心I，江蘇 南京210000）目的運(yùn)用根因分析法降低胰腺術(shù)后患者非計(jì)劃性拔管發(fā)生率，保證管道留置期間的安全和有效，從而提高護(hù)理安全質(zhì)量。方法成立根因分析小組，運(yùn)用根因分析法對(duì)2014年7—12月發(fā)生在本科室的15例非計(jì)劃性拔管事件逐一進(jìn)行追蹤,調(diào)查當(dāng)班護(hù)士當(dāng)時(shí)的情景，詢問(wèn)患者當(dāng)時(shí)自行拔管的原因,并由當(dāng)班護(hù)士針對(duì)當(dāng)日情景制作PPT，組織本科室全體護(hù)理人員對(duì)發(fā)生案例的每一個(gè)環(huán)節(jié)進(jìn)行剖析，發(fā)
護(hù)理學(xué)報(bào) 2016年15期2016-12-17
- 根因分析法在管理跌倒事件中的成效
500000）根因分析法在管理跌倒事件中的成效朱志霞1王錦渝1李建軍2*（1 重慶市東南醫(yī)院護(hù)理部，重慶 401336；2 重慶市紅嶺醫(yī)院手足外科，重慶 500000）目的 探討根因分析法（RCA）在管理跌倒事件中的成效。方法 組建RCA小組，采用RCA手法對(duì)我院2015年1～6月發(fā)生的32例跌倒事件進(jìn)行總結(jié)性回顧分析，查找出事件的共同根因，制定并采取有效措施。結(jié)果 住院患者跌倒不良事件發(fā)生率由0.756‰降至0.164‰，實(shí)施前后比較，差異有統(tǒng)計(jì)學(xué)意義
中國(guó)醫(yī)藥指南 2016年32期2016-12-15
- 根因分析法在急診科護(hù)理不良事件管理中的應(yīng)用
科 529020根因分析法在急診科護(hù)理不良事件管理中的應(yīng)用余葉嫦李共甜寧炳雯廣東省江門(mén)市人民醫(yī)院急診科529020摘要目的：探討根因分析法在急診科護(hù)理不良事件管理中的應(yīng)用情況。方法：對(duì)本院2010年1月-2014年1月急診科不良事件管理情況進(jìn)行分析，將4年時(shí)間分為2個(gè)時(shí)間段，2010年1月-2012年1月為護(hù)理整改前，2012年1月-2014年1月為護(hù)理整改后，對(duì)比分析護(hù)理整改前、后不良事件的發(fā)生概率及效果。結(jié)果：經(jīng)本院的數(shù)據(jù)統(tǒng)計(jì)調(diào)查，護(hù)理整改之后發(fā)生不良
醫(yī)學(xué)理論與實(shí)踐 2015年4期2015-02-10
- 根因分析法在降低血液凈化中心肝素配制錯(cuò)誤發(fā)生率中的應(yīng)用
518000）根因分析法在降低血液凈化中心肝素配制錯(cuò)誤發(fā)生率中的應(yīng)用杜 娟 羅 捷 丁小容 張 穎 山廣宏（北京大學(xué)深圳醫(yī)院，廣東 深圳 518000）目的探討根因分析法在降低血液凈化中心肝素配制錯(cuò)誤發(fā)生率中的應(yīng)用與意義。方法對(duì)2010年6月至2012年5月期間血液凈化中心發(fā)生的肝素配制錯(cuò)誤事件進(jìn)行回顧，采用根因分析法分析相關(guān)原因，根據(jù)原因進(jìn)行業(yè)務(wù)改進(jìn)。結(jié)果將根因分析法應(yīng)用于血液凈化中心肝素錯(cuò)配的原因分析結(jié)果表明，包括教育培訓(xùn)和儀器設(shè)備因素在內(nèi)的系統(tǒng)原因
中國(guó)醫(yī)藥指南 2013年17期2013-07-08