码上公益 |尘肺病患者的“数字救助快线”

简介: 爱心极客48小时完成尘肺病求助申请系统,为尘肺病患者搭起数字救助的快线。

图片 0.png


据媒体报道,中国有600万尘肺病患者。因为生产环境及工艺材料等因素,尘肺病患者主要集中在矿山开采、煤矿掘井、爆破、矿石粉碎、石料生产等行业,他们呼吸所需要的力量相当于正常人憋气二十秒的呼吸难度,近于窒息。

北京大爱清尘公益基金会是专门为尘肺病人提供救助的机构。十年来,累计帮扶近9万尘肺病患者,其中累计救治尘肺病患者6575人次、发放制氧机5643台。

“我们一直努力用更快、更有效的方式,帮助更多尘肺病患者”,北京大爱清尘公益基金会秘书长窦璐说,“但是,每天庞杂的信息和申请表单处理,人员的精力快被耗光了。

图片 1.png

在大爱清尘的帮助下,陈大哥用上了制氧机,并住进了定点合作医院,呼吸情况有了改善。


想用技术让尘肺病患者快一点获得救助

此前,机构的工作方式是通过志愿者走访,一点点帮助受助人完善资料后,再回传进行人工录入,过程漫长且繁琐。这让人手本就紧缺的窦璐非常着急,每耽搁一秒,尘肺病人就晚一秒获得救助。他意识到必须要通过技术的手段寻找出路,将材料的提交、审批、落地执行与反馈的线上化,提高效率。

数字化之路的开头,并不顺利。窦璐想通过商业技术公司解决问题,但是不懂技术、缺少费用,甚至连需求都描述不清楚,慢慢也就搁浅了。

 

没钱、不懂技术,也搞成了数字化。

20217月,窦璐加入了码上公益营活动,发起了尘肺病患者求助系统的申请,向志愿者寻求帮助。

一家互联网软件公司的合伙人张国强看到后,立刻召集团队接下了这个需求。尽管日常工作非常繁忙,张国强团队挤出时间,全身心开发公益系统,时常忙到凌晨。基于宜搭低代码技术,他们用48小时就搭建好了系统。张国强表示,过程虽然很累,但是能用自己写的代码真的为社会做点事情,大家都觉得非常值得。

图片 2.png

团队成员张国臣正在进行项目开发。

 

项目的快速落地,让窦璐很惊喜,“没想到,这么快就做出来了,我们试用了几个星期,合作医院志愿者、患者对于这个系统的评价很高,大家都觉得比原来省时间,省事儿,可以把精力用在拓展患者受助面积,优化项目上。”

 

从技术帮助,到持续陪伴,基金会多了一个“部门”

数字化应用的开发不是一蹴而就,后续会面临功能的调整。面对这样的顾虑,张国强表态说:“可以把我们当作基金会的一个部门,我们可以长久的支持,后续也希望把大爱清尘这个项目做成样板,帮助更多机构。

目前,项目已上5周,基本实现求助申请审批及机构合作流程的高效管理,整体效率提升了5倍。面对未来,窦璐有了更多的期待,“两年之后,我们的团队用人脑去做需要人脑干的事。重复性工作就交给线上系统去解决”,他表示。

目录
相关文章
|
Cloud Native 关系型数据库 大数据
CockroachDB:云原生数据库的新概念与实践
本文将介绍CockroachDB,一种先进的云原生数据库,它具备分布式、强一致性和高可用性等特点。我们将探讨CockroachDB的基本原理、架构设计以及在实际应用中的种种优势和挑战。
|
存储 架构师 数据可视化
一文弄懂数据架构和信息架构的区别
我们经常会听到关于数据架构和信息架构的讨论,它们是一回事吗?让我们看看数据和信息之间的区别,以及组织需要考虑的关键事项。
一文弄懂数据架构和信息架构的区别
|
资源调度 jenkins 持续交付
jenkins 自动安装nodejs16.16.0版本报错处理
jenkins 自动安装nodejs16.16.0版本报错处理
1048 0
|
11月前
|
Java 测试技术 API
拼多多 API 接口申请通过后如何进行测试?
拼多多 API 接口申请通过后,需按以下步骤测试:1. 仔细研读接口文档;2. 搭建测试环境,准备开发工具和模拟请求工具;3. 编写测试代码或使用测试工具;4. 设计测试用例,包括正常、异常和边界情况;5. 验证测试结果,检查返回值和错误处理;6. 记录和分析测试结果,确保 API 的稳定性和性能。
|
机器学习/深度学习 人工智能 自然语言处理
人工智能基础知识:介绍人工智能的历史,基本概念和应用领域
人工智能基础知识:介绍人工智能的历史,基本概念和应用领域
14894 0
|
11月前
|
存储 算法 C语言
C语言中常见的字符串处理技巧,包括字符串的定义、初始化、输入输出、长度计算、比较、查找与替换、拼接、截取、转换、遍历及注意事项
本文深入探讨了C语言中常见的字符串处理技巧,包括字符串的定义、初始化、输入输出、长度计算、比较、查找与替换、拼接、截取、转换、遍历及注意事项,并通过案例分析展示了实际应用,旨在帮助读者提高编程效率和代码质量。
622 4
|
监控 算法 数据可视化
ERP系统中的生产调度与计划排程解析
【7月更文挑战第25天】 ERP系统中的生产调度与计划排程解析
688 1
|
SQL 存储 NoSQL
贝壳找房基于Flink+Paimon进行全量数据实时分组排序的实践
本文投稿自贝壳家装数仓团队,在结合家装业务场景下所探索出的一种基于 Flink+Paimon 的排序方案。这种方案可以在实时环境对全量数据进行准确的分组排序,同时减少对内存资源的消耗。在这一方案中,引入了“事件时间分段”的概念,以避免 Flink State 中冗余数据对排序结果的干扰,在保证排序结果准确性的同时,减少了对内存的消耗。并且基于数据湖组件 Paimon 的聚合模型和 Audit Log 数据在数据湖内构建了拉链表,为排序结果提供了灵活的历史数据基础。
29058 8
贝壳找房基于Flink+Paimon进行全量数据实时分组排序的实践
|
Arthas Java 测试技术
Arthas之动态加载类(retransform)
Arthas之动态加载类(retransform)
674 0