切换至 "中华医学电子期刊资源库"

中华危重症医学杂志(电子版) ›› 2023, Vol. 16 ›› Issue (06) : 481 -487. doi: 10.3877/cma.j.issn.1674-6880.2023.06.007

短篇论著

基于时间序列模型的医院血液库存管理方法应用及探讨
赵毓宏, 钱菲, 王孟青, 谢珏()   
  1. 310003 杭州,浙江大学医学院附属第一医院输血科
  • 收稿日期:2023-05-10 出版日期:2023-12-31
  • 通信作者: 谢珏
  • 基金资助:
    国家自然科学基金面上项目(82172335、81971994); 国家自然科学基金重大研究计划项目(91846103); 浙江省重点研发计划项目(2020C03032); 浙江省自然科学基金项目(LQ20H080002)

Discussion on the application of blood inventory management in a hospital based on time series models

Yuhong Zhao, Fei Qian, Mengqing Wang   

  • Received:2023-05-10 Published:2023-12-31
引用本文:

赵毓宏, 钱菲, 王孟青, 谢珏. 基于时间序列模型的医院血液库存管理方法应用及探讨[J]. 中华危重症医学杂志(电子版), 2023, 16(06): 481-487.

Yuhong Zhao, Fei Qian, Mengqing Wang. Discussion on the application of blood inventory management in a hospital based on time series models[J]. Chinese Journal of Critical Care Medicine(Electronic Edition), 2023, 16(06): 481-487.

目的

探讨时间序列模型对悬浮红细胞临床用量的预测作用。

方法

收集浙江大学医学院附属第一医院2013年1月至2020年12月期间每个月悬浮红细胞的临床用量。针对悬浮红细胞的不同血型及治疗类型(抢救、手术及创伤和内科),建立时间序列模型中的自回归积分滑动平均(ARIMA)模型以预测2021年1月至2021年8月期间悬浮红细胞的临床用量。同时,比较不同血型及不同治疗类型悬浮红细胞的预测用量与实际用量,以验证模型的可行性。

结果

基于2013年1月至2020年12月期间每个月悬浮红细胞的临床用量,可以得到悬浮红细胞A型临床用量的最佳拟合模型为ARIMA(1,1,1)(1,0,0)[12],悬浮红细胞B型临床用量的最佳时间序列拟合模型为ARIMA(2,1,0)(1,2,1)[12],悬浮红细胞O型临床用量的最佳时间序列拟合模型为ARIMA(0,0,1)(1,1,1)[12],悬浮红细胞AB型临床用量的最佳时间序列拟合模型为ARIMA(1,1,1)(1,1,0)[12],悬浮红细胞抢救临床用量的最佳时间序列拟合模型为ARIMA(1,1,1)(1,0,0)[12],悬浮红细胞内科临床用量的最佳时间序列拟合模型为ARIMA(0,1,2)(0,1,1)[12],悬浮红细胞手术及创伤临床用量的最佳时间序列拟合模型为ARIMA(0,1,3)(0,0,2)[12]。A型、B型、O型及AB型悬浮红细胞实际用量和预测用量之间比较,差异均无统计学意义(t = 0.257、0.185、0.363、0.260,P = 0.804、0.856、0.722、0.801)。抢救的悬浮红细胞预测用量较实际用量较高[(82 ± 8)U vs.(60 ± 25)U,t = 2.299,P = 0.049],而其他类型(内科、手术及创伤)在悬浮红细胞预测用量与实际用量之间的比较,差异均无统计学意义(t = 0.256、1.845,P = 0.802、0.093)。

结论

应用ARIMA模型的血液管理方法,可快速高效地保障医疗机构临床日常用血及急救用血需求,有利于输血科(血库)合理制订血液计划,优化血液库存。

图1 2013年1月至2020年12月期间不同血型悬浮红细胞临床用量的累加图
图2 2013年1月至2020年12月期间不同治疗类型悬浮红细胞临床用量的累加图
图3 A型悬浮红细胞临床用量的ARIMA时间序列模型预测结果图注:ARIMA.自回归积分滑动平均
图4 B型悬浮红细胞临床用量的ARIMA时间序列模型预测结果图注:ARIMA.自回归积分滑动平均
图5 O型悬浮红细胞临床用量的ARIMA时间序列模型预测结果图注:ARIMA.自回归积分滑动平均
图6 AB型悬浮红细胞临床用量的ARIMA时间序列模型预测结果图注:ARIMA.自回归积分滑动平均
图7 悬浮红细胞抢救临床用量ARIMA时间序列模型预测结果图注:ARIMA.自回归积分滑动平均
图8 悬浮红细胞内科临床用量ARIMA时间序列模型预测结果图注:ARIMA.自回归积分滑动平均
图9 悬浮红细胞手术及创伤临床用量ARIMA时间序列模型预测结果图注:ARIMA.自回归积分滑动平均
1
Henseler O, Heiden M, Haschberger B, et al. Report on Notifications Pursuant to §21 German Transfusion Act for 2008 and 2009 [J]. Transfus Med Hemother, 2011, 38 (3): 199-216.
2
浙江省统计局,国家统计局浙江调查总队.浙江统计年鉴-2021[M].北京:中国统计出版社有限公司,2021.
3
Yu X, Wang Z, Shen Y, et al. Population-based projections of blood supply and demand, China, 2017-2036[J]. Bull World Health Organ, 2020, 98 (1): 10-18.
4
Meybohm P, Herrmann E, Steinbicker AU, et al. Patient blood management is associated with a substantial reduction of red blood cell utilization and safe for patient's outcome: a prospective, multicenter cohort study with a noninferiority design[J]. Ann Surg, 2016, 264 (2): 203-211.
5
Leahy MF, Hofmann A, Towler S, et al. Improved outcomes and reduced costs associated with a health-system-wide patient blood management program: a retrospective observational study in four major adult tertiary-care hospitals[J]. Transfusion, 2017, 57 (6): 1347-1358.
6
张忠满,朱轶,李伟,等.行体外膜肺氧合患者脑出血危险因素分析[J/CD].中华危重症医学杂志(电子版)2022,15(6):454-459.
7
王翰,左祥荣,曹权.血小板/淋巴细胞比值对心脏死亡器官捐献肝移植术后机械通气时间延长和预后的影响[J/CD].中华危重症医学杂志(电子版)2021,14(6):441-447.
8
Doherty ST, Greaves SP. Time-series analysis of continuously monitored blood glucose: the impacts of geographic and daily lifestyle factors [J]. J Diabetes Res, 2015: 804341.
9
朱驰,赵皇伟,于思远,等.基于时间序列模型的输血质量管理方法应用及探讨[J].重庆医学2020,49(6):890-894.
10
乔郑磊,顾晨晨,曹敏凤,等.基于时间序列模型预测上海某三甲综合医院血制品使用量[J].中国临床医学2016,23(5):640-643.
11
陈迎春,王晓霞,徐晓庆,等.自回归求和移动平均模型对临床供血量的分析预测[J].中国输血杂志2017,30(10):1174-1178.
12
李洁,樊晶,李红珠,等.血液库存预警信息管理优化在智能化血液发放中的研究进展[J].国际输血及血液学杂志2021,44(4):362-364.
13
徐丹丹,崔大伟,邓永乐,等.基于大数据驱动的临床用血全程闭环智能信息化管理路径构建及其应用[J/CD].中华危重症医学杂志(电子版)2020,13(5):373-375.
14
Silva Filho OS, Cezarino W, Salviano GR. A decision-making tool for demand forecasting of blood components[J]. IFAC Proceedings Volumes, 2012, 45 (6): 1499-1504.
15
Fortsch SM, Khapalova EA. Reducing uncertainty in demand for blood [J]. Oper Res Health Care, 2016 (9): 16-28.
16
张蔚,张彦琦,杨旭.时间序列资料ARIMA季节乘积模型及其应用[J].第三军医大学学报2002,24(8):955-957.
17
Williams BM, Hoel LA. Modeling and forecasting vehicular traffic flow as a seasonal arima process: theoretical basis and empirical results[J]. J Transp Eng, 2003, 129 (6): 664-672.
18
李平,黄澳迪,包黎明,等.基于ARIMA乘积季节模型的中国流行性腮腺炎发病趋势预测分析[J].中国疫苗和免疫2023,29(2):174-179.
19
中华人民共和国国家卫生健康委员会.临床输血技术规范[EB/OL].(2000-06-02)[2023-04-25].

URL    
20
兰炯采,魏亚明,张印则,等. Rh阴性患者的科学安全输血[J].中国输血杂志2008,21(2):84.
21
徐莹莹.抢救患者凝血功能与成分血输注量的关系[J].检验医学与临床2021,18(13):1962-1965.
22
李正业,王浩,史玮,等.自体血小板分离回输技术对于不同血小板水平的主动脉夹层患者成分血输注量的影响研究[J].临床输血与检验2022,24(2):207-211.
23
Greenwalt TJ, Zehner Sostok C, Dumaswala UJ. Studies in red blood cell preservation. 2. Comparison of vesicle formation, morphology, and membrane lipids during storage in AS-1 and CPDA-1 [J]. Vox Sanguinis, 1990, 58 (2): 90-93.
24
Schmid P, Huvard MJ, Lee-Stroka AH, et al. Red blood cell preservation by droplet freezing with polyvinylpyrrolidone or sucrose-dextrose and by bulk freezing with glycerol[J]. Transfusion, 2011, 51 (12): 2703-2708.
No related articles found!
阅读次数
全文


摘要