狼叔的医质管空间

[!ABSTRACT] 核心摘要 本期主题:Python 入门——医院人零基础友好,30 分钟跑通第一个脚本 核心结论:Python 是医院人的「瑞士军刀」——能算、能画、能爬、能自动化,语法比 Excel 公式还直观 3 大优势:语法简单(像读英语)+ 生态最强(库多到用不完)+ AI 友好(Claude Code / Copilot 优先支持) 5 个最小例子:变量、循环、判断、函数、读写文件 典型效果:从「加班到深夜」变成「脚本 5 分钟搞定」 阅读时长:约 10 分钟 一、场景引入:为什么医院人必须学 Python? [!example] 一个真实的周五下午周五下午 5 点,质管办小李要把 200 份病案首页导出,清洗后做主诊错误率统计。 他打开 Excel: 复制粘贴 200 条 → 15 分钟; 删除重复行 → 5 分钟; 用 VLOOKUP 关联诊断表 → 公式错了,半小时; 重做一遍 → 半小时; 出图 → 插入图表,选数据,调格式,半小时。 2 小时后,他终于交出报告。 但他听说隔壁信息科的小王用 Python 5 分钟就搞定了同...

[!ABSTRACT] 核心摘要 本期主题:matplotlib 入门——用代码自动出图,告别手动画图 核心结论:matplotlib = Python 版的「手动画图」,但能 100% 自动化、批量化、可重复 4 类核心图表:柱状图(对比)、折线图(趋势)、饼图(占比)、热力图(矩阵) 3 大医院场景:月度错误率对比、年度趋势、DRG 入组分布、科室-时间热力图 典型效果:把「30 分钟手动画图」变成「1 秒自动出图」 阅读时长:约 10 分钟 一、场景引入:手动画图的「时间黑洞」 [!example] 一个真实的周三上午院长:「把今年各科室的错误率做个对比图。」 质管办小李打开 Excel: 复制数据 → 新 sheet → 5 分钟 选数据 → 插入柱状图 → 5 分钟 改标题、坐标轴、颜色 → 10 分钟(反复调) 加数据标签 → 5 分钟 改字号让院长看清楚 → 5 分钟 半小时过去了,终于出了图。 院长:「再加个同比呢?再画个趋势图?」 小李:「……下午给您。」 又要 1 小时。 这是手动画图的典型困境——Excel 画图看起来简单,...

医数智联·第 17 期:Python + 首页数据自动校验 —— 300 行代码,救回 N 千万医保损失 [!ABSTRACT] 核心摘要 本期主题:Python 自动校验首页数据——从「人工抽查 5%」到「机器全检 100%」 核心结论:首页校验的本质 = 「规则 + 自动化」,把 50+ 条校验规则写成 Python 脚本,5 分钟跑完 1 万份病案 5 大校验类型:必填校验、格式校验、范围校验、关联一致性、ICD 编码映射 实战效果:从「每月抽查 100 份」变成「每月全检 1 万份」,问题发现率提升 100 倍 阅读时长:约 10 分钟 一、场景引入:为什么医院需要「首页自动校验」? [!example] 一个真实的月底月底,医保局要结算上月的病案。 信息科从 HIS 导出 1 万份病案首页,质管办抽查 100 份,发现 12 份有问题。 按这个抽样率推算,全院可能有 1200 份有问题——这些将被医保局拒付。 1 万份病案,平均每份 5000 元,1200 份 × 5000 = 600 万。 院长:「为什么不能全检?」 信息科:「1 万份...

医数智联·第 18 期:Python + DRG 入组分析 —— 5 类异常筛查的代码版,告别复杂 SQL [!ABSTRACT] 核心摘要 本期主题:Python 版 DRG 入组异常筛查——SQL 不熟也能做医保结算防御 核心结论:pandas 的 merge + groupby 替代复杂 SQL,代码可读性提升 10 倍 5 大异常 Python 版:低码高套、歧义病例、误入组、主诊错误、入组编码缺失 典型效果:用 100 行 Python 代码,替代 500 行 SQL,还可直接画图 阅读时长:约 10 分钟 一、场景引入:为什么用 Python 做 DRG 分析? [!example] 一个真实的周四上午第 10 期讲过用 SQL 筛查 DRG 入组异常,但很多医院人反馈: 「SQL 的窗口函数、CTE 递归看着头大。」 「好几个 JOIN 嵌套,改一个地方全乱。」 「我要的不只是表格,还要图表,SQL 完不成。」 Python + pandas 能解决这一切。 这是 SQL 在医院数据分析中的典型痛点——逻辑复杂时,可读性和可维护性变差。 维度 S...

医数智联·第 19 期:Python + 病历关键词提取 —— 让医学 NLP 不再神秘,jieba + TF-IDF [!ABSTRACT] 核心摘要 本期主题:Python + 中文 NLP——用 jieba 分词 + TF-IDF 提取病历关键词 核心结论:病历 = 非结构化文本的「金矿」,用 NLP 工具,5 分钟挖出 1000 份病历的关键词 3 大核心库:jieba(中文分词)+ sklearn(TF-IDF 算法)+ wordcloud(词云可视化) 3 大医院场景:病历关键词提取、词频统计、相似病案检索 典型效果:从「人工阅读 1 万份病历」变成「机器 5 分钟提取关键词」 阅读时长:约 10 分钟 一、场景引入:为什么医院需要「病历 NLP」? [!example] 一个真实的科研项目某三甲医院启动「急性心梗患者出院后 30 天再入院」研究,需要: 找出 5 年内 1.2 万份「急性心梗」出院病历; 提取每份病历的「出院时状态」——是「治愈」「好转」「未愈」「死亡」? 分析 30 天再入院的病历,出院时状态分布如何? 信息科负责人看了 ...

医数智联·第 20 期:Python + 质控报告 PDF 自动生成 —— 一键生成院长周报,告别 Word 排版 [!ABSTRACT] 核心摘要 本期主题:Python + reportlab 自动生成 PDF 质控报告 核心结论:报告 PDF 不再用 Word 排,1 行代码搞定,数据更新自动重出 3 大核心库:reportlab(PDF 生成)+ matplotlib(图表)+ pandas(数据) 3 大医院场景:基础报告、含图表报告、完整院长周报 典型效果:从「半天排版 Word」变成「5 秒生成 PDF」 阅读时长:约 10 分钟 一、场景引入:为什么医院需要「PDF 自动生成」? [!example] 一个真实的周一早晨质管办小李每周一上午要给院长交一份「上周质控周报」。 他的工作流程: 跑 SQL 拿数据 → 半小时 复制到 Excel 排版 → 半小时 截图插入 Word → 半小时 调整字号、标题、页眉页脚 → 半小时 导出 PDF → 5 分钟 2 小时过去了,周报终于交出。 但院长:「上周数据有更新,重做一遍。」 2 小时又过去了。 这...

医数智联·第 21 期:Python 综合实战 —— 首页质控全流程自动化,一个脚本搞定所有 [!ABSTRACT] 核心摘要 本期主题:Python 综合实战——把第 14-20 期所有技能串成「首页质控自动化流水线」 核心结论:真正的「自动化」不是单个脚本,而是「数据 → 校验 → 分析 → 图表 → 报告 → 邮件」的完整流水线 6 大模块:数据提取(SQL/Pandas)→ 首页校验(承 17 期)→ DRG 筛查(承 18 期)→ 图表生成(承 16 期)→ PDF 报告(承 20 期)→ 自动邮件(yagmail) 典型效果:从「8 小时人工」变成「30 秒自动」 阅读时长:约 10 分钟 一、场景引入:为什么需要「全流程自动化」? [!example] 一个真实的月底月底,质管办小张要做月度质控报告,他按照前面 6 期学的技能: 用 SQL 跑数据 → 30 分钟(第 09 期) Python 校验首页 → 30 分钟(第 17 期) Python 筛 DRG 异常 → 30 分钟(第 18 期) matplotlib 画图 → 30 分钟(...

[!ABSTRACT] 核心摘要 本期主题:Claude Code + Obsidian 联动——让 AI 替你整理 200+ 笔记 核心结论:Claude Code 能直接读写你的 Obsidian 库,自动整理、自动分类、自动建双向链接 4 大玩法:批量重命名、自动分类生成 MOC、双向链接补全、日记模板填充 典型效果:200+ 杂乱笔记,1 小时变「结构化知识库」 阅读时长:约 10 分钟 一、场景引入:Obsidian 用 1 年后,笔记变成「垃圾场」 [!example] 一个真实的周三下午质管办小王用 Obsidian 1 年,库里有 230 篇笔记,但他说: 「笔记越来越多,越来越乱。」 50 篇「质控日志」散在不同文件夹 30 篇「投诉处理」没有统一格式 20 篇「读书笔记」不知道归到哪里 「我搜不到」「关联不到」「复盘时找不到当时的笔记」 他打开 Obsidian,满屏的「无标签」「无分类」笔记,像「数字垃圾场」。 这是 Obsidian 老用户的典型困境——库越用越乱,最终废弃。 阶段 状态 0-50 篇 一切美好,双向链接...

医数智联·第 22 期:Claude Code 入门 —— 医院人的「AI 助手」,5 大使用场景让效率翻 10 倍 [!ABSTRACT] 核心摘要 本期主题:Claude Code 入门——医院人的「AI 助手」,把前面 21 期的所有技能效率放大 5-10 倍 核心结论:Claude Code 不只是「写代码的工具」,是「医院数字化转型的杠杆」——它能让「不会编程的人」也能搭自动化流水线 5 大核心场景:SQL 智能问询、Python 自动写脚本、报告自动生成、病历分析、Obsidian 笔记整理 典型效果:从「学 1 周才能写脚本」变成「自然语言说需求,5 分钟出脚本」 阅读时长:约 10 分钟 一、场景引入:为什么医院需要 AI Agent? [!example] 一个真实的周二上午质管办小张想做「DRG 低码高套筛查」(第 18 期的内容),但他不会 Python。 他尝试了几条路: 路径 1:找信息科「小李,帮我写个 DRG 筛查脚本。」「我现在在做院长的报表,你等 1 周。」 路径 2:自己学 Python「我去 B 站学 Python……」学了 3 ...

医数智联·第 25 期:Claude Code + SQL 查询 —— 让数据库「听得懂人话」的 3 大玩法 [!ABSTRACT] 核心摘要 本期主题:Claude Code + SQL——用自然语言查数据库,告别手写复杂 SQL 核心结论:Claude Code 可以直接连接 MySQL/PostgreSQL,你说「查什么」,AI 帮你写 + 跑 SQL 3 大玩法:智能问询(自然语言 → SQL)、自动写 SQL(描述需求 → 代码)、SQL 优化(慢查询 → 提速) 典型效果:从「学 1 周 SQL」变成「说人话查数据」 阅读时长:约 10 分钟 一、场景引入:为什么 SQL 学习这么难? [!example] 一个真实的周一上午院长:「上月每个医生开了多少处方?Top 10 给我。」 质管办小张打开 Navicat,开始写 SQL: 12345678SELECT a.医生姓名, COUNT(*) AS 处方数FROM 处方表 aLEFT JOIN 医生表 b ON a.医生工号 = b.医生工号WHERE a.开具日期 >= '20...