住院患者醫院感染預警及決策支持系統的研發與應用

楊凌 石福霞 劉軼

近期以來，有報告[1]顯示醫院感染發生率較高，會嚴重影響醫院患者甚至社會人民群眾的安全。不僅如此，醫院感染還會嚴重增加患者和社會的經濟負擔。研究[2]指出，我國每年因醫院感染都會導致巨大的直接經濟損失，若考慮到間接經濟損失是無法計算的。因此，醫院感染已成為當今需要高度重視的重大公共衛生問題[3]。如果不能夠對出現的感染情況進行及時地發現并采取適當的措施進行干預，極有可能使感染進一步加重，增加治療難度，甚至造成患者死亡。即使合理使用抗生素和積極治療，患者的病情也會迅速惡化，預后也會很差。醫院感染不是醫療護理不可避免的并發癥，而是一種潛在的可避免的不良事件。因此，實施早期風險預警對于降低醫院感染的發生率意義重大。但是，在臨床實踐的過程中，護士會因缺乏科學準確的評估工具以及結構化的評估路徑而導致對患者的醫院感染風險無法做出準確的評估，導致很難預先性對患者實施相關的干預措施，患者的安全得不到保障[4]。近年來護理信息系統隨著信息技術的不斷發展而逐漸普及。近期甘肅中醫藥大學第三附屬醫院以重癥監護信息平臺為基礎，自主開發了住院患者醫院感染預警決策支持系統，旨在實現對醫院感染高危住院患者的準確識別、及時預警和決策支持，優化護理干預計劃和保護患者，現報道如下。

1 資料與方法

1.1 一般資料

調取分析2019年1月—2020年12月甘肅中醫藥大學第三附屬醫院4 423例住院患者病歷資料，根據是否應用醫院感染預警及決策支持系統將納入研究患者分為應用前（2019年1—12月）2 165例和應用后（2020年1—12月）2 258例住院患者。納入標準：病例資料完整；患者住院時間≥48 h；患者年齡≥18周歲；本研究已獲得醫院倫理委員會批準，所有患者或其家屬知情并同意參與本研究。應用前2 165例住院患者中男性1 282例，女性883例，年齡20～82歲，平均（56.31±10.82）歲，來源科室：內科811例，外科795例，婦科62例，產科82例，兒科66例，ICU 235例，其他科室114例，應用后患者2 258例：男性1 326例，女性932例，年齡19～81歲，平均（56.36±10.69）歲，來源科室：內科859例，外科822例，婦科71例，產科75例，兒科69例，ICU 210例，其他科室152例，上述指標比較差異無統計學意義（P＞0.05），詳見表1。

表1 （續）

表1 患者臨床資料比較

1.2 住院患者醫院感染預警及決策支持系統的構建

1.2.1 組建研發小組 醫院院內感染管理科、公共衛生管理科、臨床室護士長、護理部信息系統負責人、軟件研發工程師5名，由信息負責人、管理科室負責人和各科室護士長與工程師進行交流，告知工程師具體工作流程，并明確告知對系統的要求，模塊主要包括評估、預警、決策。

1.2.2 評估模塊 感染風險評估等級表根據失效模式與效應分析法（failure mode and effect analysis，FMEA）進行制定[5-6]，其評估指標包括風險的可能性（frequency of occasion，O）、嚴重性（severity，S）、可測性（1ikelihood of detection，D）進行賦分。觀察指標從病歷、醫囑和影像檢查中拿到的非結構化特征共計120余項，最終經過特征分析得到的特征為50個左右，比較重要的特征有：性別、年齡、當前住院天數、當日最高體溫、中性粒細胞數目、降鈣素原、C反應蛋白、糖尿病、低蛋白血癥等[7-9]。

1.2.3 預警模塊 將風險發生的可能性分為無（系數為0）、低（系數為1）、中（系數為2）、高（系數為3）4個級別；風險的嚴重性是指發生風險時的潛在嚴重性，分為低（系數為1）、中（系數為2）、高（系數為3），風險的可測量性是指醫院當前預防和控制措施在風險發生時的準備程度，分為低（系數為1）、中（系數為2）、高（系數為3）。計算風險優先數（risk priority number，RPN）=O×S×D，分值為0～27分。根據RPN值的范圍，風險等級分為高、中、低，RPN值越高，風險等級越高[10]。根據患者的不同氣管插管非計劃性拔管（unplanned endotracheal extubation，UEE）風險水平，醫院的感染預警和決策支持系統會發出相應的預警信號。若患者處于高風險的醫院感染狀態，系統會通過3種方式提醒護理人員：紅色警告 “醫院感染高風險，請注意” ；在系統主頁上向下滾動 “醫院感染高風險患者XXX” 出現，患者信息列表上出現一個紅色感嘆號，單擊感嘆號后出現 “醫院感染高風險” ；若患者處于中風險的醫院感染狀態，系統會以2種方式對護理人員發出警告：在患者界面會顯示一個對話框，指示 “醫院感染風險，請注意” ，或會有黃色的感嘆號出現在患者信息欄上，然后在信息欄中出現 “醫院感染中風險” ；如果患者處于低風險狀態，則沒有任何警告。

1.2.4 決策模塊 根據預警模塊指示的不同風險等級，制定相應的護理干預模式：在低風險等級，應密切監測患者的生命體征，對于中、高風險患者，系統將顯示護理行動對話框，供護理人員選擇。護理措施根據《醫院感染預防與控制標準操作規程》[11]制定：評估患者體內炎癥因子的程度，并根據炎癥反應的程度規范抗生素的使用；評估患者感染風險，對感染風險高的患者實施單室隔離管理，或使用物理屏障間距和限制患者流量，盡可能規范通道流程；評估患者咳嗽和呼吸分泌物的能力，保持氣道通暢，定期更換一次性氧氣管，改變體位并鼓勵患者出院后用漱口水漱口，可減少口腔內殘留的病原微生物數量，有效預防醫院感染；日常檢查環境中物體表面的清潔、消毒、衛生和無菌操作；當護士 “完成” 時系統返回上一個界面進行其他操作。

1.3 運行及完善

試運行時間為期1個月，試運行前由各科室護士長對科室護士進行培訓，熟悉系統的操作流程；護士長對運行過程中出現的問題進行及時的匯總，經院內感染管理科、公共衛生管理科審核并通報工程師進行完善。

1.4 觀察指標

1.4.1 護士滿意度評價 采用由趙永信等[12]編寫制定的臨床護理信息系統有效性評價量表對護理滿意度進行評價，該量表主要由5個維度組成：服務質量、凈效益、用戶滿意度、系統質量和信息質量，共23個項目，量表的克朗巴赫α測量系數為0.768，內容效度指數為0.975，重測信度為0.849。每個項目評分采用5分評分法，從 “完全不同意” 到 “完全同意” ，評分由從1～5分，分為23～115分。評分越高，護士對系統的滿意度越高。

1.4.2 醫院感染發生情況比較 參照《醫院感染診斷標準》[13]判定醫院感染發生情況。

1.5 統計學方法

使用SPSS 20.0軟件進行分析與處理，計量資料（±s）表示，采用t檢驗，計數資料以n（%）表示，采用χ2檢驗，以P＜0.05為差異有統計學意義。

2 結果

2.1 應用后護士對系統滿意度評價

在有效回收的316份調查問卷中，護士對該系統的總體滿意度為（90.32±8.20）分。其中，服務質量維度為（17.26±3.10）分，凈收益維度為（19.07±2.68）分，用戶滿意維度為（21.64±2.41）分，信息質量維度為（18.59±2.34）分，系統質量維度為（16.71±2.35）分。

2.2 應用前后醫院感染發生情況比較

應用前發生醫院感染113例，占比5.22%，應用后發生醫院感染36例，占比1.59%，比較差異有統計學意義（χ2=44.618，P＜0.05），應用前后感染種類占比比較差異無統計學意義（P＞0.05），詳見表2。

表2 應用前后醫院感染發生情況比較 [例（%）]

3 討論

醫院感染監測是實施醫院感染防控的基本組成部分和重要措施，也是確保醫療質量和患者安全、提高醫院管理水平的重要手段[14]。大多數醫院感染最初由臨床醫生報告，漏報率高，削弱了監測的敏感性和有效性。隨著信息技術的不斷發展，不斷有新的技術手段對醫院感染發生情況進行監測。倪曉華[15]介紹了一種基于深度學習的醫院感染診斷和治療決策支持系統[16]，結果表明，該支持系統對醫院感染診斷和治療決策的正確率為98.4%。信息技術手段確實提高了醫院感染診斷和治療的性能和自動化。隨著 “云大物移智” 和智能等技術的快速發展，一些人工智能技術已被用于監測和預警[17]。

本研究中的醫院感染預警及決策支持系統是在臨床決策支持系統（clinical decision support system，CDSS）[18-19]的基礎上開發的，它集成了大數據和人工智能技術，確保了感染病例的預警，診斷及時、準確、可靠，適用于快速干預和反饋，能及時預防感染暴發。預警病例可人工確認或排除，并自動統計感染頻率、感染部位、病原體、抗生素使用等指標，有效監控重要病例或科室，提高感染及時發現率。結果顯示，用前發生醫院感染113例，占比5.22%，應用后發生醫院感染36例，占比1.59%，應用后發生率顯著低于應用前，差異有統計學意義（P＜0.05）。醫院感染通過評估模塊風險進行分級，并對中高風險等級患者制定相應的護理干預模式，評估患者體內炎癥因子的程度，并根據炎癥反應的程度規范抗生素的使用；評估患者感染風險，對感染風險高的患者實施單室隔離管理，或使用物理屏障間隔，盡可能規范通道流程；評估患者咳嗽和呼吸分泌物的能力，保持氣道通暢，定期更換一次性氧氣管，改變體位并鼓勵患者出院后用漱口水漱口，可減少口腔內殘留的病原微生物數量，有效預防醫院感染；日常檢查環境中物體表面的清潔、消毒、衛生和無菌操作。醫院感染預警與決策支持系統整合了多個科室的信息資源，如臨床特征、流行病學、病原檢測、診療等信息系統。控制信息和醫療信息可以有效聯動，保證信息傳輸的及時性、完整性和客觀性。盡管醫院感染的診斷標準的權威性較高，但是主要針對的是患者在發生醫院感染時的相關干預和治療，早期發現困難，沒有大量數據分析也難以保證良好的結果。醫院感染預警與決策支持系統還可以具備一定的早期體征識別感染患者的能力，具有實時、靈活、準確等優點。作為該研究系統的主要使用者，護士對系統的滿意度是重要的評價指標，也作為關鍵因素決定系統能否正常運行[20]。本研究結果發現，護士對該系統的總體滿意度為（90.32±8.20）分。提示護士對此系統具有較高的滿意度，護士能夠以更積極的態度使用該系統，提高系統的使用效率。向洋等[21]指出，護士熟練地使用早期預警和決策支持系統，避免了護士的負面體驗。在系統運行期間，研發團隊建立微信群討論。如果護士在系統運行過程中遇到問題，可以隨時提供反饋，軟件工程師可以對問題進行及時的糾正和優化。在系統的使用過程中，護士只需按照系統說明完成風險評估，簡化了護理工作流程，提高了工作效率。

綜上所述，住院患者醫院感染預警及決策支持系統的應用整合了評估、預警、決策，提高了護理工作的準確性及效率，醫院感染發生情況也有顯著降低，值得臨床推廣。