创伤具有病情复杂、致残率和致死率高等特点，救治难度大，目前创伤救治模式由于医疗条件限制、资源调度分配不及时等原因，仍然存在急救效率低与流程应用不规范等不足，创伤患者的救治面临巨大挑战。创伤患者在救治过程中会产生大量对病情诊断及治疗有价值的动态数据。大数据及人工智能技术是基于大规模的数据集合，对给定的数据进行合理预判或估算的算法，现已应用于创伤患者的救治模式中，其高效精准的大数据统计分析，以及机器学习、规划决策等创新医疗技术既提高了创伤患者救治的效率和安全性，同时也降低了临床医师的工作负荷，弥补了传统创伤救治模式的不足。笔者就大数据及人工智能技术在创伤患者院前急救和院内诊治过程中应用的研究进展进行综述，以期为创伤救治提供参考。

互联网医院的出现，在优化资源配置、降低就医成本的同时，也给医生调度带来了挑战。其突出表现在医生服务渠道的多样化和医生服务时间的碎片化所带来的医生能力配置困难，以及海量信息带来的患者选择医生困难。作者在分析互联网医院医生管理现状的基础上，依据医疗运作管理理论，基于数据驱动视角，从服务渠道协调、医生短期服务能力设计和医患信息智能匹配角度提出了改善路径。

为解决医疗转运需求和转运人员管理分散等问题，2022年3月，某三级甲等医院上线了包含业务层、数据层和控制层的"一站式"转运服务智能调度管理信息系统。该系统采用图神经网络算法对多特征转运服务数据进行训练，建立了转运服务调度人工智能模型，协助医院转运指挥中心进行智能调度，实现了医院转运服务统一申请、任务统一调度、过程统一控制和人员统一考核。转运服务覆盖科室由系统上线前(2021年3月至2022年2月)的188个增至系统上线后(2022年3月至2023年2月)的268个，服务类型由36类增至52类，转运人员的人均效能系数由4 086.53单/人增至5 839.83单/人，满足了日益增长的院内转运服务需求，提高了转运调度管理水平和用户满意度，可为其他医院推动转运服务的智能化管理提供借鉴。

院外心脏骤停（out of hospital cardiac arrest，OHCA）生存率在0.6%~25%之间，我国则不到1% [1,2]，远低于欧美发达国家。OHCA的抢救时间窗为4~6 min，必须在时间窗内实施CPR与除颤；每延迟1 min，OHCA生存率降低10%。每平方公里的救护车数量需要增加80%才能将救护车响应时间缩短1 min [3]。在救护车到达之前的早期心肺复苏和除颤可以帮助提高OHCA的生存率和良好的神经系统预后 [4,5]。全球复苏联盟（Global Resuscitation Alliance, GRA）建议使用智能技术扩展心肺复苏和公共除颤项目，通知OHCA事件周围的志愿者，提供早期心肺复苏和除颤 [6,7]。美国心脏协会建议应用移动应用程序提高对OHCA的反应机会 [8]。2007年起，欧美发达国家紧急医疗服务调度中心利用智能手机APP将急救志愿者纳入急救服务系统（Emergency Medical Service，EMS） [9]，调派急救志愿者参与急救，为OHCA患者提供早期CPR和除颤，从而挽救了更多OHCA患者的生命。青岛市急救中心运用"互联急救APP"，构建120调度中心AED电子地图，招募并培训急救志愿者，当120调度员利用MPDS调度系统问询判断为OHCA事件时，调度员在调派救护车及电话指导心肺复苏（T-CPR）的同时，通过"互联急救APP"或电话调派距离OHCA事件周围1.0~1.5 km内的志愿者。急救志愿者根据APP中显示的AED地图，获取AED参与现场急救。现对2021年1月至2022年3月"互联急救APP"调派急救志愿者参与急救的情况进行回顾分析，以期为我国院前急救借助信息化技术手段调派急救志愿者参与OHCA急救提供参考。

运送服务是医院后勤管理的重要内容。2023年，某三级甲等医院以患者服务为中心，以精益管理为导向，在医疗物联网平台的基础上开展了基于"滴滴"模式的智能运送服务。通过调研医院运送服务状况，打造出包含任务接收与生成、运送中心调度指挥和掌上电脑接单3个子系统的智能运送系统，并制定标准化业务流程以及运送服务绩效考核办法，逐步试点推进，初步实现了医院运送服务的智能化管理。截至2023年12月，医院累计完成约31余万单运送任务，其中系统智能派单任务数量占70%，运送服务及时率从2022年的58%升至2023年的98%。该实践提升了运送服务质量与效率，推动了医院后勤管理的高质量发展，可为其他医院提升后勤管理效率提供借鉴。

人工智能在护理管理领域展现出了广阔的应用前景，有望成为提高护理管理领域效率和水平提高的重要突破点。本研究回顾了人工智能在护理管理领域的研究现状，总结了人工智能在护理人员调度、疾病风险管理、优化护理管理流程等方面的进展，分析了人工智能在护理管理领域应用的机遇与挑战，为今后人工智能在护理管理领域的开发和应用提供参考。

目的:探讨基于医护一体化模式和排队机制制订手术安排与调度方案，并评价其应用效果。方法:将2018年在北京协和医学院肿瘤医院完成手术的患者设为对照组，2019年同期完成手术的患者设为试验组。对照组采用传统手术调度方法，试验组在医护一体化和排队机制的理论基础上制订手术安排与调度方案，在方案实践中通过达成医护一体化共识。各科室制订接台细则、提交手术信息和需求时预排序，手术室根据各病区手术信息安排手术、运行规则、手术室护士能级匹配及动态调整、明确急诊手术的接台办法、实时监测与反馈等，严格执行既定方案，并通过手术台利用率观察其应用效果。结果:2019年平均每个手术台完成手术5.36例/d，手术台利用率由91.26%提升至95.74%。结论:应用基于医护一体化和排队机制的手术调度方式，能够实现医护共同决策、合作，在提高手术台利用率等方面有着一定的优势。在未来，可充分利用人工智能、大数据等方法不断优化手术调度模式、提高手术室运行效率。

针对突发公共卫生事件中生物检测样本调配优先等级不同、采样量与样本积压量信息不对称、运输路线难以动态规划等实际问题,通过样本采样模块、数据处理模块、检测处理模块、资源调配模块联动配合,构建生物检测样本的快速调配系统,在低成本下做到了快速、精准、高效率的检测资源分配.该系统可实现大规模生物样本筛查的区域统一调度,有效优化整体生物样本的检测顺序,改善不同能级实验室忙闲不均的业务状态,缓解由于道路拥堵耽误样本运输等状况,提高区域生物样本的总体检测效率.通过着重介绍生物检测快速调配系统的建设难点、系统模型与具体实现,旨在为类似应用场景提供参考.

目的 对院前急救中的关键连续因素进行定量分析,模拟医疗资源的运用调度流程,并反映大规模伤亡事件下伤病员流及院前急救的复杂适应性机制.方法 运用Anylogic软件构建基于多智能体仿真(ABMS)、系统动力学(S D)和离散事件仿真(DES)的混合建模仿真系统.结果 建立了基于SD的伤病员流结构模型、基于ABMS的院前急救资源配置模型、基于DES-SD的院前急救排队模型.通过仿真发现,相关耗时数据与日常接送伤员历史数据两者的平均耗时差异无统计学意义.结论 基于混合建模方法的城市院前急救系统,可以用于应急医学救援方案策略的优化,能够促进灾害应急医学救援决策科学性与精确性的提升.

目的 针对我国当前地震等重大自然灾害引发的突发环境事件,应急救援指挥系统亟待完善,集成应急通信卫星、无人机环境感知、北斗定位系统、高精度电子地图、高灵敏度传感、高可靠数据采集、可视化的应急指挥系统以及大数据、人工智能等先进技术,探索和研究地空一体化的应急监控指挥系统.方法 以应急卫星通讯、高可靠无线数据采集、高精度地址位置服务、可视化应急指挥系统等先进技术为手段,面向我国自然灾害、安全生产以及突发环境事件,为区域现场及生产过程的安全状态检测、应急态势管控提供地空一体化的监控和支撑.结果 采用卫星通信、无人机、通信基站、高清图像采集、可视化应急指挥等先进技术,构建地空一体化应急指挥中心,能够实现对受灾事故现场的安全状况进行远程调度和指挥.结论 涵盖受灾现场信息采集、高分辨图像数据预处理、重要物资安全运输监控、应急救援调度、可视化指挥中心等功能一体化平台,能够实现对受灾现场的全面感知和智能调度.