基于物聯網技術的嬰兒培養箱質量管理決策支持系統

王肖文，何江波，陳旭創，許旭光

佛山市第一人民醫院 1 設備科，2 采購辦公室 （廣東佛山 528000）

醫療衛生是關系國計民生的重大問題。近年來，新生兒感染、設備失控等多起不良事件引起了社會的廣泛關注，其中，嬰兒培養箱溫度失控事件屢次成為熱門話題[1]。嬰兒培養箱是新生兒科重要的醫療設備，配置數量多，主要作用是為患病新生兒提供安全的養護救治環境，其安全使用和質量控制對新生兒治療、培養質量具有十分重要的作用。

目前，國內嬰兒培養箱的質量管理主要依據國家現行標準GB 11243-2008《醫用電氣設備 第2部分：嬰兒培養箱安全專用要求》和JJF 1260-2010《嬰兒培養箱校準規范》進行。嬰兒培養箱現階段的管理雖遵循的是以上兩個標準，但管理方式仍較為傳統，相對滯后，大多只依靠臨床醫護人員和設備工程師在定期性能檢測及日常維護工作中人工記錄、統計設備使用狀態，因此，管理不夠規范，工作效率較低，無法實現實時監控及管理工作的智能化[2]。目前的嬰兒培養箱只可實現對溫度、濕度參數的監控，且報警功能簡單，在其他關乎患病新生兒治療質量的物理安全風險、噪聲風險、氧濃度風險、報警失靈風險、溫控失調風險、電器安全風險等方面的管理存在缺失。如何確保嬰兒培養箱在臨床應用的安全性、有效性，將設備的管理工作智能化、信息化，高效地實現對嬰兒培養箱的全生命周期質量管控，以及預防設備使用過程中存在的風險，并做出及時、有效的決策支持，成為當前醫院管理面對的一大難題，因此，亟須建立以質量安全為主、科學管理為輔的嬰兒培養箱質量管理決策支持系統，以實現高效、科學地管理，從而最大限度地降低嬰兒培養箱使用過程中的風險，提高醫療安全性。基于此，本研究設計并構建了一種基于物聯網技術的嬰兒培養箱質量管理決策支持系統，以下將從系統功能設計及結構設計兩方面介紹。

1 系統功能設計

該系統基于物聯網技術，自主研發質控監測儀及決策支持系統，構建了一個新生兒科領域關于嬰兒培養箱質量控制及風險分析的決策支持系統，其主要包括物聯網監控、風險評估及決策支持信息反饋等模塊。

1.1 物聯網監控

通過該模塊的質控監測儀，建立完整的質控流程，借助無線藍牙通信技術采集嬰兒培養箱質控數據，可實現對嬰兒培養箱狀態參數（如震動、噪聲、溫濕度、空氣流速、氧氣、二氧化碳、輔助報警等）的遠程無線監控，因此，該模塊具有設備動態分配、狀態自動記錄、超閾值報警等功能[3-5]。

1.2 風險評估

通過FAME 風險分析方法對采集到的質控數據、狀態參數指標進行客觀量化，計算設備使用與風險監測綜合評分，確定失效模式的風險等級排序并生成風險應對預案，建立以質控數據庫為基礎的嬰兒培養箱質控數據風險分析平臺。

1.3 決策支持

該模塊采用C/S（client/server model）模式設計，由人機交互、知識庫子系統及決策支持服務組成。結合嬰兒培養箱質控的專業知識，以質控數據庫為基礎，建設數據平臺實現各級崗位風險分析識別，通過FMEA 將異構數據進行處理、整合，加載到臨床數據中心（ clinical data resposiry，CDR）中，再通過臨床決策支持系統（clinical decision support system，CDSS）接口調用多策略風險應對方案，為臨床提供嬰兒培養箱質量控制和風險控制相關的決策支持[6]。

2 系統結構設計

2.1 物聯網監控模塊（圖1）

圖1 基于物聯網技術的嬰兒培養箱質量管理決策支持系統的架構

物聯網監控模塊包括硬件（質控監測儀）、硬件平臺、軟件平臺及無線傳感器網絡。硬件平臺使用的是Intel Edison，軟件平臺為由Yocoto Project 定制的Linux，無線傳感器網絡互聯使用ZigBee 技術。質控監測儀可對溫度、濕度、震動、噪聲、二氧化碳、空氣流速等進行監測，并采集、儲存監測到的信息，再利用射頻（radio frequency，RF）網關、通信集成模塊，將采集到的質控數據傳送到后臺數據庫，實現對嬰兒培養箱重要質控參數的監測[7]。具體情況如下：（1）通過震動傳感器801S、聲音傳感器，實時監測新生兒的狀態，如睡眠、活動、哭泣等；（2）利用CCS811二氧化碳傳感器，實時監測培養箱中的二氧化碳含量，提供培養箱內部環境的相關信息；（3）利用HDC1080溫濕度傳感器，實時監測培養箱內部環境溫濕度，并將異常情況進行報警；（4）利用空氣流速傳感器，實時監測培養箱中的空氣流動狀態，為新生兒提供一個舒適的培養環境；（5）氧濃度傳感器Gasboard-8500V 實時監測培養箱中氧氣含量的變化；（6）輔助報警系統負責發出由傳感器狀態變化產生的一切報警信息，并通過明顯的指示燈進行提示。

2.2 風險分析模塊

風險分析模塊主要運用FMEA 方法，對嬰兒培養箱采集的質控數據進行可靠性分析和風險評估，分析嬰兒培養箱使用過程中存在的隱患，識別出系統中薄弱環節和關鍵部位，對風險指標數據分類，篩選出報警代碼的具體風險信息，進行等級排序，建立風險特征庫[8]。通過風險分析模塊進行案例評估，計算敏感系數（sensitivity priority number，SPN）及風險系數（risk priority number，RPN）的數值，自動反饋風險應對方法，并將持續改進內容更新到數據庫。

2.3 決策支持模塊

該模塊應用貝葉斯網絡、人工神經網絡、遺傳算法、邏輯條件、因果概率網絡等方法進行臨床決策支持建模，采用醫療大數據分析、醫學文獻檢索、SVM（support vector machine）方法、BP（back propagation）神經網絡、主成分分析、因子分析等多種分析方法，結合嬰兒培養箱質控數據庫和風險分析數據庫，并比對決策支持庫建立決策邏輯[9]。該模塊對嬰兒培養箱的使用、維護、質控、培訓等方面給予決策支持，具體如下：（1）通過震動、聲音監測模塊，實時監測培養箱的異常震動狀態，給出設備風機是否異常、升降搖床是否完好及新生兒狀態是否出現異常的決策提示；（2）通過溫、濕度監測模塊，實時監測培養箱內部環境溫、濕度，當溫度過低或過高時，提醒使用人員檢查發熱管、培養箱的溫度傳感器、風機、箱體的密封性是否正常，并對異常情況進行報警，當濕度過低或過高時，提示水箱水位是否正常，水箱發熱絲、培養箱的濕度傳感器、風機是否正常運行；（3）利用空氣流速監測模塊，實時監測培養箱中空氣的流動狀態，提示風機的轉速是否正常；（4）通過氧濃度監測模塊，實時監測培養箱中氧氣的含量，當氧濃度過高時，提醒工作人員檢查新生兒呼吸機連接鼻塞是否脫落，當氧氣濃度過低時，提示檢查箱體密封性及風機是否異常；（5）輔助報警模塊，實時響應由傳感器狀態變化產生的一切報警信息，并通過明顯的指示燈進行提示。

3 小結

本系統使嬰兒培養箱具備了物聯網監測、風險分析及決策支持的功能，改善了傳統的人工維護模式，實現相關工作的無紙化，規避了工程人員專業知識局限性、人為質控工作差錯等方面的問題，不僅能夠節省人力資源，還可提高質控數據監測的準確性。本系統可判斷培養箱使用狀況，利用知識庫顯示相符信息，使人工與智能工作流程靈活結合，自動提示知識庫匹配信息[10]。科學化、知識化的臨床輔助決策提示相關人員及時做出正確應對措施，可實現更加科學的管理，為工程技術人員提供風險分析及決策支持，從而為醫療服務提供質量保障[11]。此外，本系統具有廣泛的擴展性，還可應用到新生兒黃疸光療箱、輻射搶救臺等新生兒科其他設備中，為實現對新生兒科設備的高效有序管理提供有力的支撐。