兩種醫院感染實時監控系統軟件對感染病例預警功能的對比研究

孫杰，張寅，胡鳴，邢宏亮，孫志剛，朱思遠，申思宇，劉煒

上海市浦東新區周浦醫院 信息管理部，上海 201318

引言

隨著當今社會經濟水平的發展，人們的物質生活水平不斷提高，同時對醫療衛生、診療服務也提出了更高要求。因此也促進醫院的醫學信息技術和醫療水平的提高和發展，其中醫院感染管理工作是評價醫院醫療水平的重要指標之一。尤其近幾年新型冠狀病毒在全球傳播[1]，醫務工作者積極奮戰在抗疫前線，所以對醫療機構的院感防控工作也提出了更高要求。我院在提高控制與預防醫院感染[2]方面積極應對，于2021年引進A科技有限公司的醫院感染實時監控系統（以下簡稱院感系統）（A院感監控平臺V6.0），前期我院使用的是B公司的院感系統（B醫院感染信息管理軟件V2.0），兩種院感系統各有特點，功能不盡相同。醫院感染病例的監測與預警功能是評價院感系統優秀與否的重要指標[3]，因此本研究分別使用兩種院感系統對我院全年住院患者數據進行預警感染病例分析并驗證預警信息的準確性，明確預警策略的設置與調整，以期提高院感系統預警的準確性，同時也對醫院感染相關軟件的設計和優化提出建設性意見。

1 資料與方法

1.1 資料來源

選擇本院2021年1—12月共計244838例次當日在院患者的病歷、出入院、診斷及檢驗檢查數據作為研究對象，分別通過試驗組（使用A院感監控平臺V6.0）和對照組（使用B醫院感染信息管理軟件V2.0）進行感染病例預警，比較兩種院感軟件預警信息的準確性并分析影響院感預警準確性的相關因素。

1.2 系統架構與篩查策略

研究中所使用的軟件包括B醫院感染信息管理軟件V2.0、A院感監控平臺V6.0及微軟數據庫附帶的工具SQL Server Profiler[4]。通過SQL Server Profiler查看、分析和跟蹤數據庫數據操作情況，分析兩種院感系統的架構特點，兩種院感系統在架構上有一定的差異，這對產生的預警信息有一定的影響。

1.2.1 B院感系統

B醫院感染信息管理軟件V2.0是C/S構架，屬于醫院信息系統（Hospital Information System，HIS）中住院系統的一部分，與HIS共用一個數據庫服務器，獨立于實驗室信息系統（Laboratory Information System，LIS）、放射報告系統（Radiology Information System，RIS）（圖 1）。為了避免病例篩查占用服務器資源影響白天HIS業務，所以在夜間執行數據庫作業，因此病例篩查約有24 h的延遲。

圖1 B院感系統邏輯結構圖

B院感系統中的篩查策略：首先分別根據病歷、診斷、檢驗指標獲取判斷信息，將之定義為指標并設置權重和閾值。然后選取若干指標組合成判斷方法，每一種感染都可能存在多個判斷方法。每種方法將符合指標要求的權重值累加起來達到預先設置的閾值即判斷該病例為感染病例。如果權重累加值未達到閾值，則將權重累加值除以閾值得到疑似比例供用戶參考。

1.2.2 A院感系統

A院感監控平臺V6.0是B/S架構[5]，獨立于HIS、LIS、RIS以外，擁有專用的數據庫服務器（圖2）。因為只是在數據抽取（Extract、Transform、Load，ETL）中占用較小的資源，病例篩查均使用專用服務器，所以可以做到每小時更新一次信息，病例篩查僅有1 h的延遲。

圖2 A院感系統邏輯結構圖

A院感系統中的篩查策略：首先分別根據病歷、診斷、檢驗指標獲取判斷信息，將之定義為指標。每一種感染選取若干指標并設置權重和閾值，當符合指標要求的權重值累加起來達到某種感染閾值即判斷該病例為該種感染病例。

總體來說，兩種院感系統的篩查策略采用同一種原理[6]，相較而言，B院感系統每一種感染可以存在多個判斷方法，每種方法之間是“或”的關系。但是A院感系統也可以通過增加感染類型這種變通的方式來實現。

1.3 獲取分析數據

比較兩種院感系統預警信息的準確性，需要獲取2021年1—12月的預警相關數據，包括每日在院患者明細、每日預警患者明細、每日預警患者中確定為醫院感染患者的明細數據、每日確定的醫院感染患者中未被預警到的患者明細。

我院原來使用的B院感系統正常運行至今，每日均生成當日在院患者的預警相關數據，因此通過SQL Server Profiler分析能得到相應的上述日期范圍的預警相關數據。

A院感系統于2021年11月中旬開始運行，而預警相關數據均根據當日在院患者生成。因此需要模擬過去的日期生成過去當日在院患者的預警相關數據，但此功能A院感系統并不具備。

通過SQL Server Profiler對A院感系統的研究分析，A院感系統中存儲過程Pro_web_yg_yujing用來生成符合當日病歷、診斷、檢驗指標中醫院感染獲判斷的指標，存儲過程Item_infe_pro用來根據上述的指標生成當日預警的患者。其中Pro_web_yg_yujing又包含一系列的子存儲過程的調用。因此根據上述的存儲過程進行了改寫并保存為另一套存儲過程用于生成2021年1—11月缺失的預警相關數據，代碼的修改主要是將今日在院患者的范圍改成給定某一天的當日在院患者的范圍。另外，為了不影響正在運行的系統，將生成的數據保存在新建的表中，涉及新增的存儲過程如表1所示。

表1 A院感系統中改寫的數據庫對象列表

通過數據接口抽取2021年1—11月的HIS、LIS、RIS等數據，通過運行新增的存儲過程，由此也獲取到A院感系統相應的上述日期范圍的預警相關數據。

2 結果

2.1 基本情況

2021年本院共有住院患者28852例。

2.2 院感系統預警情況分析

A院感系統抽取數據從2021年1月1日開始，而醫院感染判斷需要判斷當天前若干天的HIS、LIS、RIS、EMR等數據作為依據，因此去除邊界數據即2021年1月1日到2021年1月7日的數據，從2021年1月8日開始，將兩個院感系統的預警相關數據進行統計分析（表2）。采用SPSS 26.0對預警數據進行整理和統計學分析，以P＜0.05為差異具有統計學意義。預警功能表現A院感系統要優于B院感系統（表3）。

表2 2021年1月8日至2021年12月31日兩款院感系統預警相關數據（例）

表3 2021年1月8日至2021年12月31日院感系統中預警相關數據統計

3 討論與總結

3.1 系統架構對于院感系統的影響

對比研究兩種院感系統的構架發現，B院感系統存在以下缺點：① 與HIS共用服務器，在性能會上影響醫院核心系統—HIS；② 每日夜間執行生成醫院感染預警相關數據造成醫院感染預警信息的滯后；③ 由于未采用ETL技術[7-9]，因此存在少部分的無效或錯誤數據的計入。研究發現兩種院感系統平均每日在院患者存在微小的差別，經追蹤排查，發現B系統中帶有若干例測試數據造成兩種院感系統每日在院人數不一致。B院感系統存在以下優點：① 與系統集成性好，例如住院系統集成院感患者上報；② 定制開發與HIS相關聯的個性化報表[10-11]能力較強。

3.2 正確設置院感系統的預警策略

根據研究發現，兩種院感系統的篩查策略采用同一種原理[12]，但是從表2預警相關數據統計來看，A院感系統預警系統預警人次比B院感系統低，預警并確定醫院感染人次總計比B院感系統要高。所以預警功能表現A院感系統要優于B院感系統（19.61%＞14.35%）。提示不是因為兩種院感系統預警能力有差別，而在于設置的判斷指標、權重及閾值。

研究發現兩種院感系統均沒有“模擬預警”能力，即使可以通過上述設置調整判斷指標、權重及閾值。如何確定量化調整指標參數是醫院感染專職人員關注的重點。本研究認為應該有一種編寫的功能，能準確調整參數后“模擬預警”檢驗和量化調整指標，比較預警能力是否優于調整參數前。可以設計如下功能：① 定義多套調優方案，每套方案包含多若干指標的調整；② 方案的模擬運行，可以選擇調優方案和調優方案間、調優方案和當前預警策略間對指定日期區間進行模擬預警，并以實際的院感患者來驗證何種方案的預警準確率高；③ 可以將確定的調優方案替代當前預警策略進行正式預警。

兩種院感系統確定為醫院感染但未被預警人次總計分別為134例次和140例次，由此計算出院感系統預警靈敏度分別為50.74%和48.53%，可以看出預警靈敏度[6]并不理想。通過分析歸納及參考有關文獻，本研究認為應該從以下幾方面加以改善：① 通過“模擬預警”來量化調整指標；② 優化篩查策略方法，能夠將多個預警判斷方法按照步驟和邏輯條件組合起來。例如當A方法判斷成立，再判斷B方法或者同時滿足A、B方法后再判斷C方法；③ 對于臨床診斷的行為應更規范且完整，不遺漏相應的檢驗檢查造成判斷方法中因某些條件的缺失引起預警失效，尤其需加強臨床送檢病原學檢查。

綜上，通過使用醫院感染實時監控系統軟件和信息化深入分析、管理，對于不同的院感系統應能夠深入了解其特性，做到取長補短。充分利用專業知識能力，不斷學習、引用新技術[13-15]，推動、優化院感系統預警能力以便更及時發現醫院感染，提高醫院感染病例監測工作效率和準確性[16]。下一步的研究重點將繼續關注醫院感染實時監控系統預警的靈敏度，以期通過不斷分析量化判斷指標和改進管理措施提高預警準確性。