期刊文献+
共找到4篇文章
< 1 >
每页显示 20 50 100
基层疾病预防控制机构2017—2022年政务热线案件特征分析
1
作者 李玉莲 江初 沈楠 《中国卫生标准管理》 2024年第6期30-34,共5页
目的通过分析2017—2022年某基层疾控机构政务热线诉求反映的问题,为基层疾控机构政务热线处理提供参考。方法回顾性对比分析2017—2019年(常态化防控期)与2020—2022年(动态化防控期)受理的市民热线政务工单,通过比较诉求原因分类及受... 目的通过分析2017—2022年某基层疾控机构政务热线诉求反映的问题,为基层疾控机构政务热线处理提供参考。方法回顾性对比分析2017—2019年(常态化防控期)与2020—2022年(动态化防控期)受理的市民热线政务工单,通过比较诉求原因分类及受理科室分布,探讨不同时期市民诉求的变化情况。结果该基层疾控机构在动态化防控期(6974件)受理热线工单量较常态化防控期(284件)增加了23.6倍。常态化防控期“公共卫生服务质量”类(7.75%)、“公共卫生服务可及性”类(49.30%)诉求引发的案件占比高于动态化防控期同类型案件占比(3.63%和19.29%)。动态化防控期“管理措施”类(27.37%)案件占比低于常态化防控期同类案件(33.10%),“数据信息化”类案件受理量在动态化防控期间更为突出。结论动态化防控政策直接影响了市民获得公共卫生服务的体验,导致市民诉求原因的变化。基层疾控机构应通过完善公共卫生服务能力建设,以诉求问题为导向,加强沟通培训等措施提高政务热线处理能力。 展开更多
关键词 基层疾病预防控制机构 政务热线 公共卫生服务 市民诉求 投诉特征 回顾性研究
下载PDF
新冠肺炎疫情期间政务热线投诉特征分析 被引量:4
2
作者 张勤 徐道亮 +3 位作者 王宇萌 曹文学 胡艳丽 俞善程 《中华医院管理杂志》 CSCD 北大核心 2022年第7期548-551,共4页
目的分析新型冠状病毒肺炎(以下简称新冠肺炎)疫情期间扬州某医院政务热线诉求量及投诉原因,为疫情期间政务热线处理提供参考。方法回顾性对比分析2020年7月28日至8月28日(常态化防控期)与2021年7月28日至8月28日(疫情封控期)受理的&quo... 目的分析新型冠状病毒肺炎(以下简称新冠肺炎)疫情期间扬州某医院政务热线诉求量及投诉原因,为疫情期间政务热线处理提供参考。方法回顾性对比分析2020年7月28日至8月28日(常态化防控期)与2021年7月28日至8月28日(疫情封控期)受理的"12345"政务热线工单,对投诉原因分类及被投诉科室分布进行描述性分析,运用Spearman秩相关系数法分析疫情发展累计病例数与投诉量的相关性。结果扬州某医院疫情封控期(659件)受理热线工单量较常态化防控期(76件)增加了7.7倍。疫情封控期投诉原因的一级分类中管理问题占比达96.7%(637件),二级分类中工作流程问题占90.9%(599件),分别较常态化防控期增加了28.3和27.7个百分点;疫情封控期投诉原因三级分类中占比最高者为行政管理,占87.9%(579件)。疫情潜伏期、暴发期、恢复期投诉焦点分别为发热门诊、肿瘤科和出院中心。疫情发展累计病例数与投诉量呈正相关。结论新冠肺炎疫情期间政务热线的处理应结合投诉原因分析,聚焦患者诉求,及时反馈,制定协同管理措施,实现精准施策。 展开更多
关键词 疫情防控 新型冠状病毒肺炎 政务热线 投诉特征 协同管理
原文传递
基于神经网络的4G用户感知预警模型构建和应用 被引量:5
3
作者 钟鼎 《电信技术》 2016年第11期76-78,共3页
提出一种基于BP神经网络的4G用户网络感知预警模型,该模型构建4G用户网络感知指标体系。根据4G投诉用户样本和4G基站覆盖下网络指标构建神经网络算法实现机器学习,训练完成模型对全网4G小区实时性指标开展感知概率性评估和预警,输出用... 提出一种基于BP神经网络的4G用户网络感知预警模型,该模型构建4G用户网络感知指标体系。根据4G投诉用户样本和4G基站覆盖下网络指标构建神经网络算法实现机器学习,训练完成模型对全网4G小区实时性指标开展感知概率性评估和预警,输出用户可能感知差的小区开展重点分析和优化。通过MATLAB环境下仿真验证,该模型能较好挖掘4G用户投诉特征,样本投诉预测准确度达70%,各项参数令人满意,同时该模型在黄石本地的4G用户投诉压减实践中运用,取得明显的效果。 展开更多
关键词 BP神经网络 4G感知预警 网络质量分析 投诉特征
下载PDF
运营商用户投诉预判模型研究
4
作者 俞涛 郝洁 张小晖 《移动信息》 2023年第2期208-210,共3页
为减少运营商用户投诉,实现对用户投诉的事前控制,可以使用决策树算法预测用户投诉的风险度及可能投诉的风险点。通过对大数据平台中海量的管道数据以及用户接触语音、上网行为、投诉行为等数据的分析,发现投诉用户的特征值。整合投诉... 为减少运营商用户投诉,实现对用户投诉的事前控制,可以使用决策树算法预测用户投诉的风险度及可能投诉的风险点。通过对大数据平台中海量的管道数据以及用户接触语音、上网行为、投诉行为等数据的分析,发现投诉用户的特征值。整合投诉用户的交际圈、忍耐度、情感度、业务表象等特征,最终形成用户投诉预测复合模型,预测用户整体投诉的风险度及可能投诉的风险点。借助触点平台,将模型滚动预判信息推送到客服坐席、营业前台、代理商等各服务渠道,当用户通过上述渠道进行咨询时,接待人员可以根据平台推送的投诉预警值、用户敏感内容、容忍度、历史接触记录等信息,执行相应措施,以有效减少普通投诉和升级投诉的产生。 展开更多
关键词 数理统计学 决策树算法 投诉用户延伸特征
下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部