醫(yī)療風險智能評估及自動預(yù)警系統(tǒng)的設(shè)計與實現(xiàn)

高薇，李想，馮娟，孫惠英，蔣昆

1.第四軍醫(yī)大學 網(wǎng)絡(luò)中心，陜西 西安310072；2.西京醫(yī)院 a.數(shù)字化中心；b.疾病預(yù)防控制科，陜西 西安 310072

醫(yī)療風險智能評估及自動預(yù)警系統(tǒng)的設(shè)計與實現(xiàn)

高薇1，李想2a，馮娟2a，孫惠英2b，蔣昆2a

1.第四軍醫(yī)大學 網(wǎng)絡(luò)中心，陜西 西安310072；2.西京醫(yī)院 a.數(shù)字化中心；b.疾病預(yù)防控制科，陜西 西安 310072

目的為了提高醫(yī)院感染控制的主動能力，提升醫(yī)療質(zhì)量，降低醫(yī)療成本，構(gòu)建院內(nèi)感染智能評估及自動預(yù)警系統(tǒng)。方法利用企業(yè)服務(wù)總線技術(shù)構(gòu)建臨床數(shù)據(jù)中心，集成醫(yī)院信息系統(tǒng)（HIS）、檢驗信息系統(tǒng)（LIS）、電子病歷系統(tǒng)、護理系統(tǒng)、重癥管理及手麻等多個系統(tǒng)的數(shù)據(jù)，通過統(tǒng)計方法篩選出有效的感染預(yù)警參數(shù)，并對預(yù)警參數(shù)進行權(quán)重賦值，構(gòu)建預(yù)警模型，用于對醫(yī)院感染風險進行預(yù)測。結(jié)果預(yù)警系統(tǒng)能夠快速預(yù)測院內(nèi)患者感染發(fā)展趨勢。系統(tǒng)通過網(wǎng)站首頁發(fā)布預(yù)警結(jié)果，同時發(fā)送短信息給責任醫(yī)師。結(jié)論該系統(tǒng)可輔助質(zhì)管部門進行醫(yī)療預(yù)警決策，以采取更加科學、合理的預(yù)防控制措施，降低院內(nèi)發(fā)生大面積感染及引發(fā)醫(yī)療事故的可能性，從而來提升了醫(yī)院的醫(yī)療質(zhì)量與安全。

醫(yī)療風險評估系統(tǒng)；醫(yī)院感染；醫(yī)療事故；自動預(yù)警；醫(yī)院信息系統(tǒng)

引言

醫(yī)院感染控制是醫(yī)療質(zhì)量與安全管理方面的一項重要工作，在醫(yī)院感染預(yù)防工作中，如果對可能發(fā)生的感染進行及早預(yù)警、積極管理干預(yù)，就能有效遏制醫(yī)院感染的發(fā)生，進而減少醫(yī)療成本，提升醫(yī)療質(zhì)量[1-2]。國內(nèi)醫(yī)院利用信息技術(shù)解決醫(yī)院感染控制的嘗試已有不少，對在院患者檢驗結(jié)果值進行監(jiān)測，依據(jù)其是否呈陽性來判斷患者是否被感染，多屬于事后預(yù)警，存在實時性不高、監(jiān)測數(shù)據(jù)單一、智能化不足等問題，尤其是缺乏智能評估和多途徑預(yù)警，使得醫(yī)院感染控制工作基本還是處于半人工狀態(tài)[3-4]。智能風險評估及自動預(yù)警系統(tǒng)能通過模型快速預(yù)測院內(nèi)感染發(fā)展趨勢，作出科學預(yù)警，輔助質(zhì)管部門進行醫(yī)療決策，采取更加科學、合理的預(yù)防控制措施，降低院內(nèi)發(fā)生大面積感染及引發(fā)醫(yī)療安全事故的可能性，有效提升醫(yī)療質(zhì)量與安全。

1 系統(tǒng)建設(shè)目標

利用企業(yè)服務(wù)總線技術(shù)，實現(xiàn)異構(gòu)信息系統(tǒng)間的數(shù)據(jù)集成，建立面向醫(yī)院感染控制的臨床數(shù)據(jù)中心[5-6]，為醫(yī)院感染風險智能評估提供實時數(shù)據(jù)支持。在此基礎(chǔ)上研發(fā)一套基于瀏覽器/服務(wù)器（B/S）架構(gòu)的醫(yī)療風險智能評估及自動預(yù)警系統(tǒng)，該系統(tǒng)具有機器學習功能，通過對患者數(shù)據(jù)進行深度挖掘，形成自反饋權(quán)值評估體系，自動優(yōu)化預(yù)警模型，從而提高預(yù)警準確率。為獲得更好的預(yù)警效果，以多種途徑為醫(yī)務(wù)工作者提供預(yù)警，包括發(fā)送短信給感染控制管理人員或預(yù)警系統(tǒng)首頁通告，最終達到事前預(yù)警、及時通知的目的。

2 系統(tǒng)總體設(shè)計

系統(tǒng)采用B/S架構(gòu)[7-9]，基于JAVA開發(fā)，數(shù)據(jù)庫為Oracle型。通過企業(yè)服務(wù)總線技術(shù)集成醫(yī)院信息系統(tǒng)（HIS）、檢驗信息系統(tǒng)（LIS）、電子病歷系統(tǒng)、護理系統(tǒng)、重癥管理及手麻等多個系統(tǒng)的數(shù)據(jù)，建立感染預(yù)警臨床數(shù)據(jù)中心。對相關(guān)感染病例數(shù)據(jù)進行數(shù)據(jù)挖掘分析及機器學習分析，并結(jié)合臨床醫(yī)師經(jīng)驗構(gòu)建感染預(yù)警模型[10]。預(yù)警系統(tǒng)每日分析院內(nèi)感染數(shù)據(jù)，可通過多種方式進行預(yù)警，如網(wǎng)站首頁通告、短信預(yù)警。系統(tǒng)架構(gòu)框圖，見圖1。

圖1 系統(tǒng)架構(gòu)框圖

3 系統(tǒng)模塊功能設(shè)計及應(yīng)用

3.1 預(yù)警模型

預(yù)警模型的建立采用回顧性病例-對照研究法：對收集的M例發(fā)生感染的患者，隨機抽取其中的N例，并選擇同期相匹配的N例非感染患者組成模型組數(shù)據(jù)集；剩余的M-N例感染患者和與之相匹配的M-N例非感染患者組成驗證組數(shù)據(jù)集。對于模型組數(shù)據(jù)集，首先進行單因素分析，對于符合正態(tài)分布的計量資料用獨立樣本的t檢驗和卡方檢驗，對于非正態(tài)分布的計量資料用秩和檢驗，對單因素分析有意義的指標進行多元分析，最后篩選出與醫(yī)院感染發(fā)生相關(guān)的危險因素。再結(jié)合醫(yī)院給出的評分準則和優(yōu)勢比對危險因素進行評分（表1），利用加權(quán)求和法做出決策函數(shù)，對患者發(fā)生醫(yī)院感染的風險進行預(yù)測。采用ROC曲線及擬合優(yōu)度檢驗，分別在擬合組和驗證組數(shù)據(jù)集中，評價醫(yī)院感染風險評估模型的真實性和可靠性[11-14]。采用C5.0算法及BP神經(jīng)網(wǎng)絡(luò)進行模型設(shè)計，最終閾值采用了兩種綜合的算法進行數(shù)據(jù)閾值確定。

根據(jù)該模型因素，對我院2016年8月～10月的住院患者進行驗證，共計33000余人次，實際感染313人次；系統(tǒng)感染預(yù)警共計382人次，系統(tǒng)預(yù)警準確率約為81.9%。

3.2 實時監(jiān)控

針對住院期間所有患者進行感染預(yù)警，預(yù)警頻度為日報，顯示在網(wǎng)站首頁（圖2），醫(yī)生可以根據(jù)科室、預(yù)警結(jié)果狀態(tài)對指定患者進行查詢。

表1 感染相關(guān)危險因素及評分準則

圖2 預(yù)警首頁

3.3 歷史查詢

通過該頁面查詢歷史預(yù)警信息并對預(yù)警結(jié)果進行確認（圖3），形成系統(tǒng)自反饋，便于統(tǒng)計并提高該系統(tǒng)預(yù)警準確率。

圖3 歷史查詢

3.4 報表查詢

綜合展現(xiàn)各科室部門核心指標的報表，主要包含了病人科室構(gòu)成及年齡、性別和診療數(shù)據(jù)，通過占比情況及分布情況來督促醫(yī)生進行疾病高危人群的感染預(yù)防。我院2016年各部門感染度分布占比情況，見圖4。

圖4 部門感染度分布占比（%）

3.5 短信管理

設(shè)置電話號碼及短信內(nèi)容后，系統(tǒng)通過短信貓發(fā)送短信提醒，便于主管醫(yī)生及時獲得患者感染風險信息。

4 結(jié)語

通過對HIS、LIS、電子病歷系統(tǒng)、護理系統(tǒng)、重癥管理及手麻系統(tǒng)等進行數(shù)據(jù)集成，構(gòu)建醫(yī)院感染控制預(yù)警模型，針對危重患者進行感染預(yù)警。本系統(tǒng)為醫(yī)院感染風險智能評估提供實時數(shù)據(jù)支持，系統(tǒng)運行期間會根據(jù)患者實際感染結(jié)果調(diào)整預(yù)警模型各權(quán)重值，以便提高預(yù)警準確率。感控工作人員根據(jù)實際感染情況來優(yōu)化預(yù)警模型，最終實現(xiàn)系統(tǒng)高準確率的穩(wěn)定運行。

該預(yù)警模式也為其他傳染疾病的預(yù)防控制提供了新思路，在傳染病可能發(fā)生之前發(fā)出警示性信息，將疾病可能造成的損失降低到最低限度，防止醫(yī)院內(nèi)部疾病爆發(fā)和大面積疫情的出現(xiàn)。實現(xiàn)醫(yī)療預(yù)警動態(tài)監(jiān)測，對醫(yī)院管理水平和提升社會應(yīng)對突發(fā)公共衛(wèi)生事件的整體能力均具有重要意義[15-16]。

[1] 陳世萍.信息技術(shù)對醫(yī)療質(zhì)量管理支撐作用分析[J].當代醫(yī)學,2015,21(7):16-17.

[2] 劉宏.院內(nèi)感染控制應(yīng)用強化管理的必要性分析[J].齊齊哈爾醫(yī)學院學報,2015,36(13):2009-2010.

[3] 孔桂蘭,馬謝民,趙樂平.我國醫(yī)院醫(yī)療質(zhì)量綜合評估現(xiàn)狀研究[J].中國醫(yī)院管理,2012,32(9):4-26.

[4] 廖祥鈞.新型質(zhì)控措施在基礎(chǔ)醫(yī)療質(zhì)量管理中的作用[J].當代醫(yī)學,2010,27(16):87.

[5] 袁浩,姜明.基于臨床數(shù)據(jù)中心的循證知識管理模式分析[J].醫(yī)學信息學雜志,2015,36(3):7-10.

[6] 侯章梅,吳曉春,成燕,等.某院綜合ICU目標性監(jiān)測分析[J].中國感染控制雜志,2015,14(2):127-129.

[7] 王興強,侯玉玲,劉長興,等.基于“軍衛(wèi)一號”的醫(yī)院感染控制管理系統(tǒng)的開發(fā)與應(yīng)用[J].中國醫(yī)療設(shè)備,2015,30(12):97-99.

[8] 孟麗莉,馮杰,莊俊彥,等.利用信息技術(shù)實現(xiàn)醫(yī)院感染的創(chuàng)新管理[J].中國數(shù)字醫(yī)學,2012,7(6):82-84.

[9] 蔡婉芬,方藕環(huán).現(xiàn)代醫(yī)院感染控制管理中存在問題及相應(yīng)措施探討[J].中國高等醫(yī)學教育,2011,(2):42.

[10] 譚瑞,李雪峰,廖祖松.各科室協(xié)作在醫(yī)院感染控制管理中的作用[J].國際檢驗醫(yī)學雜志,2014,35(19):2716.

[11] 楊德松,李運,姜冠潮,等.參數(shù)法ROC曲線在孤立性肺結(jié)節(jié)良惡性判斷預(yù)測數(shù)學模型的應(yīng)用探討[J].中國衛(wèi)生統(tǒng)計,2012,29(6):840-845.

[12] 劉桂玲,丁虹伶,徐云欽.住院患者醫(yī)院感染現(xiàn)患率調(diào)查分析[J].中華醫(yī)院感染學雜志,2015,25(1):108-110.

[13] 杜麗新,李書清,李鳳蓮. ROC曲線確定最佳臨界點的方法探討[J].標記免疫分析與臨床,2015:22(8):823-824.

[14] 楊聯(lián)河,辛凱,申杰.雙向t檢驗在治療性研究數(shù)據(jù)分析中的應(yīng)用[J].中國衛(wèi)生統(tǒng)計,2012,33(2):309-312.

[15] 姚希,鞏玉秀,張宇,等.國外醫(yī)院感染管理技術(shù)類文件體系現(xiàn)況研究[J].中華醫(yī)院感染學雜志,2015,25(21):5016-5018.

[16] 宋九云.建立傳染病預(yù)防控制長效機制對提高綜合醫(yī)院傳染病預(yù)防控制能力的作用分析[J].世界最新醫(yī)學信息文摘,2016,16(35):19-20.

本文編輯 王博潔

Design and Implementation of the Intelligent Evaluation and Automatic Warning System for Medical Risk

GAO Wei1, LI Xiang2a, FENG Juan2a, SUN Hui-ying2b, JIANG Kun2a

1.Network Center, Fourth Military Medical University, Xi’an Shaanxi 710032, China; 2.a.Digital Center; b.Department of Disease Prevention and Control, Xijing Hospital, Xi’an Shaanxi 710032, China

ObjectiveThe intelligent evaluation and automatic early warning system was established, in order to improve the ability of hospital infection control, realize the improvement of medical quality, and reduce the hospital infection.MethodsBased on clinical data center which using the enterprise service bus technology, the data from several system was integrated including HIS, LIS, EMR, NIMS, IMIS, AIMS and so on. Then we chose infection warning parameters through statistical method, and assigned weight coefficient to every parameters. Finally, the early-warning model was constructed for prediction hospital infection risk.ResultsThis system could predict the development trend of patients with infection. Warning result could be published through the website home page, and the system could also send a short message to the responsible physician.ConclusionThe system can assist the quality control department for medical decision-making to adopt more scientific and rational prevention and control measures. It also can reduce the possibility of a large area of infection and medical accidents in hospital, which can improve the medical quality and safety.

medical risk evaluation system; hospital infection; medical accident; automatic early warning; HIS

TP277

C

10.3969/j.issn.1674-1633.2017.08.034

1674-1633(2017)08-0128-03

2016-12-08

2017-02-20

陜西省社會發(fā)展科技攻關(guān)項目（2016SF-038）。

蔣昆，高級工程師，主要研究方向為醫(yī)療信息化與醫(yī)學影像信息化。

通訊作者郵箱：kunjiang@fmmu.edu.cn