CN111312346B - 住院患者新发生感染人数的统计方法、设备和存储介质 - Google Patents
住院患者新发生感染人数的统计方法、设备和存储介质 Download PDFInfo
- Publication number
- CN111312346B CN111312346B CN202010073014.1A CN202010073014A CN111312346B CN 111312346 B CN111312346 B CN 111312346B CN 202010073014 A CN202010073014 A CN 202010073014A CN 111312346 B CN111312346 B CN 111312346B
- Authority
- CN
- China
- Prior art keywords
- infection
- information
- time
- department
- filtering
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H10/00—ICT specially adapted for the handling or processing of patient-related medical or healthcare data
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Epidemiology (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Primary Health Care (AREA)
- Public Health (AREA)
- Medical Treatment And Welfare Office Work (AREA)
Abstract
本公开提供了一种住院患者新发生感染人数的统计方法、设备和存储介质,旨在解决现有技术中在统计时间段内,住院患者新发生感染人数统计比较麻烦的问题。本公开提供了一种住院患者新发生感染人数的统计方法,包括以下步骤:获取统计时间、对应科室的选择、权限科室信息、住院过程信息、转科记录、感染信息和手术信息;获取已经确认的感染信息H(a)_Y的步骤,非手术部位感染的感染信息H(g)_Y获取步骤,手术部位感染的感染信息H(g)_Y获取步骤,将感染信息H(g)_Y和感染信息H(b1)_Y合并得到感染诊断信息H(h)的步骤;统计输出结果不为空的患者人数。本公开可以精确统计出在统计时间内,住院患者新发生感染人数,可以方便获取住院患者新发生感染人数的数据。
Description
技术领域
本公开属于医院感染数据统计技术领域,具体涉及一种住院患者新发生感染人数的统计方法、设备和存储介质。
背景技术
医疗机构是病人聚集的一个公共场所,医疗机构内存在较多的病原微生物,此外,由于病人本身免疫力低下,容易导致病人发生感染,为了监控病人的感染情况,需要通过感染病发率来体现;感染病发率=新发生感染的患者人数/住院患者人数×100%。
通过精确统计特定时间段的感染病发率,可以判断感染病发率的监管是否到位,以及观察感染的规律;通过判断特定科室的感染病发率,可以监管某个科室的防感染措施的执行情况,以及汇总易感染科室的情况。但是由于在特定时间段内特定科室在统计新发生感染人数的数据比较繁杂,目前很难通过计算机程序精确统计出在统计时间内的住院患者新发生感染人数,而通过人工统计不仅工作量大,而且容易出错。
发明内容
本公开提供了一种住院患者新发生感染人数的统计方法、设备和存储介质,旨在解决现有技术中在统计时间段内,住院患者新发生感染人数统计比较麻烦的问题。
为了解决上述技术问题,本公开所采用的技术方案为:
本公开提供了一种住院患者新发生感染人数的统计方法,包括以下步骤:
S101、获取统计时间、对应科室的选择、权限科室信息、住院过程信息A、转科记录B、感染信息H和手术信息G;
S102、根据转科记录B和统计时间,过滤得到在科时间和统计时间范围存在交叉的转科记录B(a)_Y,滤除在科时间不在统计时间范围内的转科记录B(a)_N;
S103、根据转科记录B(a)_Y和权限科室,过滤得到权限科室的转科记录B(b)_Y,滤除非权限科室的转科记录B(b)_N;
S104、将转科记录B(b)_Y和对应科室的选择进行匹配,过滤得到对应入住科室的转科记录B(c)_Y,滤除非对应入住科室的转科记录B(c)_N;
S105、判断患者对应入住科室的转科记录B(c)_Y是否为空;若转科记录B(c)_Y为空,则输出结果为空,运算结束;若转科记录B(c)_Y不为空,则执行步骤S106至S402;
S106、根据住院过程信息A构建入出院时间参数g.MC 2;
S107、根据患者的感染信息H,获取已经确认的感染信息H(a)_Y和未确认的感染信息H(a)_N;
S200、非手术部位感染的感染信息H(g)_Y获取包括以下步骤:
S201、根据感染信息H(a)_Y进行过滤,过滤得到与手术部位无关的感染信息H(b)_Y,滤除与手术部位感染相关的感染信息H(b)_N;
S202、根据感染信息H(b)_Y进行过滤,过滤得到院内感染的感染信息H(c)_Y,滤除院外感染的感染信息H(c)_N;
S203、根据感染信息H(c)_Y和步骤S106构建的入出院时间参数g.MC 2,得到感染时间在住院时间范围内的感染信息H(d)_Y,滤除感染时间不在患者住院期间的感染信息H(d)_N;
S204、根据感染信息H(d)_Y和统计时间进行过滤,得到感染时间在统计时间范围内的感染信息H(e)_Y,滤除不在统计时间范围内的感染信息H(e)_N;
S205、根据感染信息H(e)_Y和权限科室,过滤得到对应的属于用户管理权限范围内的感染信息H(f)_Y,滤除不在用户管理权限范围内的H(f)_N;
S206、根据感染信息H(f)_Y和选择的对应科室,滤除不在对应科室的感染信息H(g)_N,过滤得到非手术部位感染的感染信息H(g)_Y;
S300、手术部位感染的感染信息H(g)_Y获取包括以下步骤:
S301、根据患者的手术信息G和步骤S106构建的入出院时间参数g.MC 2,过滤得到在患者入出院时间范围内进行的手术信息G(a)_Y,滤除不在患者住院时间进行的手术信息G(a)_N;
S302、根据患者的手术信息G(a)_Y和统计时间,过滤得到在统计时间范围内的手术信息G(b)_Y,滤除不在统计时间范围内的手术信息G(b)_N;
S303、根据手术信息G(b)_Y和权限科室,过滤得到管理权限范围内的手术信息G(c)_Y,滤除不在用户管理权限范围内的手术信息G(c)_N;
S304、根据手术信息G(c)_Y和选择的对应科室,过滤得到对应科室进行的手术信息G(d)_Y,滤除不在对应科室的手术信息G(d)_N;
S305、根据手术信息G(d)_Y挑选得到与感染信息关联的感染例次标识g.8QR;
S306、根据感染信息H(a)_Y和手术部位感染例次标识g.8QR,过滤得到手术部位感染的感染信息H(b1)_Y;
S401、将步骤S205过滤得到对应科室发生的感染信息H(g)_Y和手术部位感染的感染信息H(b1)_Y,合并得到感染诊断信息H(h);
S402、判断H(h)的感染记录信息是否为空,若H(h)的感染记录为空,则输出结果为空,若H(h)的感染记录不为空,则输出结果不为空;
S500、对每个患者执行步骤S101至S402,统计输出结果不为空的患者人数。
进一步改进的方案:所述住院过程信息A包括患者病案号、入院科室、入院时间、出院科室和出院时间。
进一步改进的方案:所述转科记录B包括患者病案号、入住科室、入科时间和出科时间;每个入住科室均对应有入科之间和出科时间,在科时间为入科之间和出科时间之间的时间。
进一步改进的方案:所述感染信息H包括患者病案号、感染科室、感染时间、感染部位、感染对应手术时间、感染确认状态信息、在院内外的感染类型和感染历次标识。
进一步改进的方案:所述手术信息G包括患者病案号、手术科室、手术名称、手术开始时间、手术结束时间、切口和感染历次标识。
进一步改进的方案:入出院时间参数g.MC 2为入院时间in_time和出院时间out_time构成的数组[in_time,out_time];在步骤S203中,若感染时间<in_time,或者感染时间>out_time,则属于感染时间不在患者住院期间的感染信息H(d)_N;在步骤S301中,若手术开始时间<in_time,或者手术开始时间>out_time,则属于不在患者住院时间进行的手术信息G(a)_N。
进一步改进的方案:统计时间的范围为t1-t2;步骤S102中,若出科时间≤t1,或入科时间≥t2,则属于在科时间不在统计时间范围内的转科记录并进行滤除;步骤S204中,若感染时间≤t1,或感染时间≥t2,则属于不在统计时间范围内的感染信息H(e)_N;在步骤S302中,若手术开始时间≤t1,或手术开始时间≥t2,则属于不在统计时间范围内的手术信息G(b)_N。
进一步改进的方案:在步骤S105和步骤S500中,若输出结果为空,则输出值为0;在步骤S500中,若输出结果不为空,则输出值为1。
本公开提供了一种住院患者新发生感染人数的统计设备,包括通信连接的存储器和处理器,所述存储器用于存储计算机程序,所述处理器用于执行计算机程序实现如上述任一所述住院患者新发生感染人数的统计方法的步骤。
本公开提供了一种计算机可读存储介质,所述计算机可读存储介质上存储有计算机程序,所述计算机程序被执行时,实现上述任一所述住院患者新发生感染人数的统计方法。
本公开的有益效果为:
本公开基于采集的统计时间、对应科室的选择、权限科室信息、患者的转科记录、住院过程信息A、转科记录B、感染信息H和手术信息G数据信息,对每一位患者的相关数据按照步骤S101至步骤S402进行判断,然后统计出在统计时间段内住院患者新发生感染人数,通过计算机程序代替人工,可以方便且精确统计出在统计时间内,住院患者新发生感染人数,减少了医院数据统计的劳动强度,可以方便获取住院患者新发生感染人数的数据。
在步骤S105中,判断患者对应入住科室的转科记录B(c)_Y是否为空;若转科记录B(c)_Y为空,则输出结果为空,运算结束;若转科记录B(c)_Y不为空,则执行步骤S106至S402;设置这一步可以提前判断出患者是否属于新发生感染人员,减少运算的循环步骤,提高了计算速度。
此外,由于无植入物的手术患者在术后30天内或有植入物的手术患者在术后1年内发生的手术部位感染的时间多为患者出院之后,若按照“医院感染日期时间”统计,在统计感染病发率(感染病发率=新发生感染的患者人数/住院患者人数×100%)时,会造成计入分子中的感染患者未被计算在分母中的情况。本公开中将手术部位感染的感染信息H(g)_Y与非手术部位感染的感染信息H(g)_Y,分别采用两种方式进行判断筛选,然后合并,提高了住院患者新发生感染人数和感染病发率的统计准确度。
附图说明
为了更清楚地说明本公开实施例的技术方案,下面将对实施例中所需要使用的附图作简要介绍,应当理解,以下附图仅示出了本公开的某些实施例,因此不应被看作是对范围的限定,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他相关附图。
图1是本公开中步骤S101至步骤S106的算法逻辑运算流程示意图。
图2是本公开中步骤S201至步骤S206的算法逻辑运算流程示意图。
图3是本公开中步骤S301至步骤S306的算法逻辑运算流程示意图。
图4是本公开中步骤S401至步骤S402的算法逻辑运算流程示意图。
具体实施方式
下面将结合本公开实施例中附图,对本公开实施例中的技术方案进行清楚完整的描述。应当理解,此处所描述的具体实施例仅仅用于解释本公开,并不用于限定本公开。基于本公开的实施例,本领域技术人员在没有创造性劳动的前提下所获得的所有其他实施例,都属于本公开的保护范围。
下面实施例中,X(y)类型说明:
X代表带某一类型的数据集合;
y代表序号,用于区分同一类型数据在不同LU中前后的数据集合;
X(y)代表在某一类型的数据在不同逻辑单元下的数据集合;
_Y代表符合条件;
_N代表不符合条件;
统计时间的范围为t1-t2。
除手术部位感染外,统计感染人数或医院感染例次数归属时段以住院患者医院感染例次的“感染时间”为准。
手术部位感染归属时段的统计,以手术部位感染例次对应手术例次的“手术开始日期时间”为准。因为无植入物的手术患者在术后30天内或有植入物的手术患者在术后1年内发生的手术部位感染的时间多为患者出院之后,若按照“医院感染日期时间”统计,会造成计入分子中的感染患者未被计算在分母中的情况。
实施例一:
参阅图1至图4,本实施例提供了一种住院患者新发生感染人数的统计方法,包括以下步骤:
S101、获取统计时间、对应科室的选择、权限科室信息、住院过程信息A、转科记录B、感染信息H和手术信息G。
住院过程信息A包括患者病案号、入院科室、入院时间、出院科室和出院时间,这些信息为医院医生工作过程中录入的信息。
转科记录B包括患者病案号、入住科室、入科时间和出科时间;每个入住科室均对应有入科之间和出科时间,在科时间为入科之间和出科时间之间的时间。
感染信息H包括患者病案号、感染科室、感染时间、感染部位、感染对应手术时间、感染确认状态信息、在院内外的感染类型和感染历次标识。
手术信息G包括患者病案号、手术科室、手术名称、手术开始时间、手术结束时间、切口和感染历次标识。
S102、根据转科记录B和统计时间,过滤得到在科时间和统计时间范围存在交叉的转科记录B(a)_Y,滤除在科时间不在统计时间范围内的转科记录B(a)_N。具体的,若出科时间≤t1,或入科时间≥t2,则属于在科时间不在统计时间范围内的转科记录并进行滤除。
S103、根据转科记录B(a)_Y和权限科室,过滤得到权限科室的转科记录B(b)_Y,滤除非权限科室的转科记录B(b)_N。由于每个用户的权限不同,通过这个步骤适应用户权限。
S104、将转科记录B(b)_Y和对应科室的选择进行匹配,过滤得到对应入住科室的转科记录B(c)_Y,滤除非对应入住科室的转科记录B(c)_N。由于用户会有自主选择科室的情况,通过这个步骤实现自由选择。
S105、判断患者对应入住科室的转科记录B(c)_Y是否为空;若转科记录B(c)_Y为空,则输出结果为空,则输出值为0,运算结束;若转科记录B(c)_Y不为空。
S106、根据住院过程信息A构建入出院时间参数g.MC 2;入出院时间参数g.MC 2为入院时间in_time和出院时间out_time构成的数组[in_time,out_time]。将患者住院的入出院时间挑选出来成为一个可以引用的参数,便于在后面重复使用。
S107、根据患者的感染信息H,获取已经确认的感染信息H(a)_Y和未确认的感染信息H(a)_N。由于感染信息中存在一些非审核过的数据,这些数据是不需要进行统计的,所以需要先进行过滤。
S200、非手术部位感染的感染信息H(g)_Y获取包括以下步骤:
S201、根据感染信息H(a)_Y进行过滤,过滤得到与手术部位无关的感染信息H(b)_Y,滤除与手术部位感染相关的感染信息H(b)_N。存在该步骤的原因是手术部位的感染时间要以导致这例感染的手术开始时间进行计算,非手术部位感染的感染信息需要过滤掉。
S202、根据感染信息H(b)_Y进行过滤,过滤得到院内感染的感染信息H(c)_Y,滤除院外感染的感染信息H(c)_N。感染信息H(b)_Y包括了院内和院外的感染信息,院外感染不需要进行计算。
S203、根据感染信息H(c)_Y和步骤S106构建的入出院时间参数g.MC 2,得到感染时间在住院时间范围内的感染信息H(d)_Y,滤除感染时间不在患者住院期间的感染信息H(d)_N;若感染时间<in_time,或者感染时间>out_time,则属于感染时间不在患者住院期间的感染信息H(d)_N。由于正常的感染时间都在患者的住院时间范围内,这一步骤的可以处理错误数据。
S204、根据感染信息H(d)_Y和统计时间进行过滤,得到感染时间在统计时间范围内的感染信息H(e)_Y,滤除不在统计时间范围内的感染信息H(e)_N;若感染时间≤t1,或感染时间≥t2,则属于不在统计时间范围内的感染信息H(e)_N。这一步骤的是为了得到同期感染的感染诊断信息。
S205、根据感染信息H(e)_Y和权限科室,过滤得到对应的属于用户管理权限范围内的感染信息H(f)_Y,滤除不在用户管理权限范围内的H(f)_N。由于每个用户的权限不同,通过这个步骤适应用户权限。
S206、根据感染信息H(f)_Y和选择的对应科室,滤除不在对应科室的感染信息H(g)_N,过滤得到非手术部位感染的感染信息H(g)_Y。由于用户会有自主选择科室的情况,通过这个步骤实现自由选择。
S300、手术部位感染的感染信息H(g)_Y获取包括以下步骤:
S301、根据患者的手术信息G和步骤S106构建的入出院时间参数g.MC 2,过滤得到在患者入出院时间范围内进行的手术信息G(a)_Y,滤除不在患者住院时间进行的手术信息G(a)_N;若手术开始时间<in_time,或者手术开始时间>out_time,则属于不在患者住院时间进行的手术信息G(a)_N。可以解决错误时间的手术记录信息。
S302、根据患者的手术信息G(a)_Y和统计时间,过滤得到在统计时间范围内的手术信息G(b)_Y,滤除不在统计时间范围内的手术信息G(b)_N;若手术开始时间≤t1,或手术开始时间≥t2,则属于不在统计时间范围内的手术信息G(b)_N。这一步骤与同期感染有关,手术部位感染以手术开始时间作为感染时间,统计同期感染信息也是需要手术开始时间在统计时间范围内。
S303、根据手术信息G(b)_Y和权限科室,过滤得到管理权限范围内的手术信息G(c)_Y,滤除不在用户管理权限范围内的手术信息G(c)_N。由于每个用户的权限不同,通过这个步骤适应用户权限。
S304、根据手术信息G(c)_Y和选择的对应科室,过滤得到对应科室进行的手术信息G(d)_Y,滤除不在对应科室的手术信息G(d)_N。由于用户会有自主选择科室的情况,通过这个步骤实现自由选择。
S305、根据手术信息G(d)_Y挑选得到与感染信息关联的感染例次标识g.8QR。获取关联条件,用于关联不同类型之间的关系。
S306、根据感染信息H(a)_Y和手术部位感染例次标识g.8QR,过滤得到手术部位感染的感染信息H(b1)_Y。这个步骤是确认手术部位感染的感染信息。
S401、将步骤S205过滤得到对应科室发生的感染信息H(g)_Y和手术部位感染的感染信息H(b1)_Y,合并得到感染诊断信息H(h),这里的合并是将感染信息H(g)_Y和手术部位感染的感染信息H(b1)_Y汇总在一起。
S402、判断H(h)的感染记录信息是否为空,若H(h)的感染记录为空,则输出结果为空,若H(h)的感染记录不为空,则输出结果不为空;若输出结果为空,则输出值为0;若输出结果不为空,则输出值为1。
S500、对每个患者执行步骤S101至S402,统计输出结果不为空的患者人数。
下面结合实际示例对本公开做进一步说明:
指标定义:
同期新发医院感染人数:确定时间段内全院住院患者中同期新发医院感染的患者人数。其中手术部位感染的感染时间,以导致手术部位感染的对应手术的开始时间作为手术部位感染的感染时间。
运算逻辑:
计算的关键条件:1、患者的住院时间在统计时间范围内。也就是患者的入院时间和出院时间形成的时间段和统计时间存在交叉;2、患者存在院内感染,且感染时间在住院期间和统计时间之间。其中手术部位感染的感染时间要以手术开始时间来进行计算;3、满足用户的选择的条件。
参与运算的类型数据:住院过程信息A、转科记录B、感染信息H、手术信息G。
住院过程信息A:
业务逻辑:患者在住院接受治疗前,会在住院处办理住院手续,在诊疗接受后,会办理出院手续。在这个过程中会记录下来办理入院时间、入院科室、出院时间、出院科室信息。且是一次住院办理一次。住院过程类型数据是对患者一次住院过程中入院和出院的完整信息描述。
数据示例:
患者123456(1)于2019-01-01 00:00:12办理住院,入住神经内科,于2019-01-1203:00:12从康复科办理出院。
患者病案号 | 入院科室 | 入院时间 | 出院科室 | 出院时间 |
123456(1) | 神经内科 | 2019-01-01 00:00:12 | 康复科 | 2019-01-12 03:00:12 |
转科记录B:
业务逻辑:正常住院的患者,办理住院之后都会在科室再办理一次入科登记,直到结束诊疗之后会办理出科手续。如果在住院期间存在去其他科室治疗的话,也会对应的办理转科操作。记录下来的时间为包括入住科室信息、入科时间、出科时间。转科数据类型是对患者一次住院过程中科室入住情况的完整描述。
数据示例:
患者123456(1)于2019-01-01 00:00:12办理入住神经内科,于2019-01-05 01:00:12从神经内科转到ICU,于2019-01-08 02:00:12从ICU转到康复科,最后于2019-01-1203:00:12办理出院。
患者病案号 | 科室 | 入科时间 | 出科时间 |
123456(1) | 神经内科 | 2019-01-01 00:00:12 | 2019-01-05 01:00:12 |
123456(1) | ICU | 2019-01-05 01:00:12 | 2019-01-08 02:00:12 |
123456(1) | 康复科 | 2019-01-08 02:00:12 | 2019-01-12 03:00:12 |
感染信息H:
业务逻辑:这个信息是院感系统根据患者实际情况预警出来的感染信息,也包括了医院医务人员对于患者预警信息的处理记录信息。包括了预警原因、感染科室、感染时间、感染部位、感染对应的手术开始时间、感染确诊状态、感染类型。是关于患者感染情况的完整描述。
数据示例:
患者123456(1)于的疑似感染信息包括了3例,其中确诊的是2例,第一例是在神经内科发生的表浅切口感染,第二例是在ICU发生的下呼吸道感染。另外一例上呼吸道为确认为非感染信息。
手术信息G:
业务逻辑:对患者手术记录的描述信息。包括了手术科室、手术开始时间、手术结束时间、手术名称、切口等级、愈合等级、麻醉方式。
数据示例:
患者123456(1)于2019-01-02 08:00:00在神经内科进行了尺神经减压松解术,手术于2019-01-02 08:00:00结束,手术切口级别为I类。
患者病案号 | 手术科室 | 手术名称 | 手术开始时间 | 手术结束时间 | 切口 | 感染例次标识 |
123456(1) | ICU | 尺神经减压松解术 | 2019-01-07 08:00:00 | 2019-01-07 08:30:00 | I | GID0001 |
统计时间为2019-01-06 00:00:00到2019-01-20 23:59:59
权限科室:所有科室
用户的对应科室的选择:ICU
每一步骤的数据变化如下:
第一步骤:
输入:转科记录B和统计时间[2019-01-06 00:00:00,2019-01-20 23:59:59]
转科记录B:
患者病案号 | 科室 | 入科时间 | 出科时间 |
123456(1) | 神经内科 | 2019-01-01 00:00:12 | 2019-01-05 01:00:12 |
123456(1) | ICU | 2019-01-05 01:00:12 | 2019-01-08 02:00:12 |
123456(1) | 康复科 | 2019-01-08 02:00:12 | 2019-01-12 03:00:12 |
输出:
B(a)_Y:
患者病案号 | 科室 | 入科时间 | 出科时间 |
123456(1) | ICU | 2019-01-05 01:00:12 | 2019-01-08 02:00:12 |
123456(1) | 康复科 | 2019-01-08 02:00:12 | 2019-01-12 03:00:12 |
B(a)_N:
患者病案号 | 科室 | 入科时间 | 出科时间 |
123456(1) | 神经内科 | 2019-01-01 00:00:12 | 2019-01-05 01:00:12 |
第二步骤:
输入:转科记录B(a)_Y和权限科室
B(a)_Y:
患者病案号 | 科室 | 入科时间 | 出科时间 |
123456(1) | ICU | 2019-01-05 01:00:12 | 2019-01-08 02:00:12 |
123456(1) | 康复科 | 2019-01-08 02:00:12 | 2019-01-12 03:00:12 |
输出:
B(b)_Y:
患者病案号 | 科室 | 入科时间 | 出科时间 |
123456(1) | ICU | 2019-01-05 01:00:12 | 2019-01-08 02:00:12 |
123456(1) | 康复科 | 2019-01-08 02:00:12 | 2019-01-12 03:00:12 |
B(b)_N:
患者病案号 | 科室 | 入科时间 | 出科时间 |
第三步骤:
输入:转科记录B(b)_Y和用户选择的科室ICUB(b)_Y:
输出:
B(c)_Y:
患者病案号 | 科室 | 入科时间 | 出科时间 |
123456(1) | ICU | 2019-01-05 01:00:12 | 2019-01-08 02:00:12 |
B(c)_N:
患者病案号 | 科室 | 入科时间 | 出科时间 |
123456(1) | 康复科 | 2019-01-08 02:00:12 | 2019-01-12 03:00:12 |
第四步骤:
输出:转科记录B(c)_YB(c)_Y:
患者病案号 | 科室 | 入科时间 | 出科时间 |
123456(1) | ICU | 2019-01-05 01:00:12 | 2019-01-08 02:00:12 |
输出:true(意思是继续向下运算)
第五步骤:
输入:住院过程A
A:
患者病案号 | 入院科室 | 入院时间 | 出院科室 | 出院时间 |
123456(1) | 神经内科 | 2019-01-01 00:00:12 | 康复科 | 2019-01-12 03:00:12 |
输出:g.MC2,其值为[2019-01-01 00:00:12,2019-01-12 03:00:12]
第六步骤:
输入:感染信息H
H:
输出:
H(a)_Y:
H(a)_N:
第七步骤:
输入:感染信息H(a)_Y
H(a)_Y:
输出:
H(b)_Y:
H(b)_N:
第八步骤:
输入:感染信息H(b)_Y
H(b)_Y:
输出:
H(c)_Y:
H(c)_N:
第九步骤到第十二步骤:由于数据输入都是空,到第十二步骤输出都是空的记录
输出:H(g)_Y:
第十三步骤:
输入:手术信息G和患者入出院时间g.MC2[2019-01-06 00:00:00到2019-01-2023:59:59]
G:
输出:
G(a)_Y:
G(a)_N:
第十四步骤:
输入:手术信息G(a)_Y和统计时间[2019-01-06 00:00:00到2019-01-20 23:59:59]
G(a)_Y:
输出:
G(b)_Y:
G(b)_N:
第十五步骤:
输入:手术信息G(b)_Y
G(b)_Y:
输出:
G(c)_Y:
G(c)_N:
第十六步骤:
输入:手术信息G(c)_Y和统计科室为ICU
G(c)_Y:
输出:
G(d)_Y:
G(d)_N:
第十七步骤:
输入:手术信息G(d)_Y
G(d)_Y:
输出:g.8QR,其值为GID0001
第十八步骤:
输入:感染信息H(a)_Y和手术部位感染例次标识g.8QR,其值为GID0001
H(a)_Y:
输出:
H(b1)_Y
H(b1)_N
第十九步骤:
输入:非手术部位感染信息H(g)_Y和手术部位感染信息H(b1)_Y
H(g)_Y:
H(b1)_Y:
输出:
H(h)
第二十步骤:
输入:感染信息H(h)
H(h)
输出:
结果值为1
对每一位患者循环上述步骤,统计出输出值为1的患者人数,即为住院患者新发生感染人数。
实施例二:
本公开提供了一种住院患者新发生感染人数的统计设备,包括通信连接的存储器和处理器,所述存储器用于存储计算机程序,所述处理器用于执行计算机程序实现实施例一所述住院患者新发生感染人数的统计方法的步骤。
实施例三:
本公开提供了一种计算机可读存储介质,所述计算机可读存储介质上存储有计算机程序,所述计算机程序被执行时,实现实施例一所述住院患者新发生感染人数的统计方法。
本公开不局限于上述可选实施方式,任何人在本公开的启示下都可得出其他各种形式的产品,但不论在其形状或结构上作任何变化,凡是落入本公开权利要求界定范围内的技术方案,均落在本公开的保护范围之内。
Claims (10)
1.一种住院患者新发生感染人数的统计方法,其特征在于,包括以下步骤:
S101、获取统计时间、对应科室的选择、权限科室信息、住院过程信息A、转科记录B、感染信息H和手术信息G;
S102、根据转科记录B和统计时间,过滤得到在科时间和统计时间范围存在交叉的转科记录B(a)_Y,滤除在科时间不在统计时间范围内的转科记录B(a)_N;
S103、根据转科记录B(a)_Y和权限科室,过滤得到权限科室的转科记录B(b)_Y,滤除非权限科室的转科记录B(b)_N;
S104、将转科记录B(b)_Y和对应科室的选择进行匹配,过滤得到对应入住科室的转科记录B(c)_Y,滤除非对应入住科室的转科记录B(c)_N;
S105、判断患者对应入住科室的转科记录B(c)_Y是否为空;若转科记录B(c)_Y为空,则输出结果为空,运算结束;若转科记录B(c)_Y不为空,则执行步骤S106至S402;
S106、根据住院过程信息A构建入出院时间参数g.MC 2;
S107、根据患者的感染信息H,获取已经确认的感染信息H(a)_Y和未确认的感染信息H(a)_N;
S200、非手术部位感染的感染信息H(g)_Y获取包括以下步骤:
S201、根据感染信息H(a)_Y进行过滤,过滤得到与手术部位无关的感染信息H(b)_Y,滤除与手术部位感染相关的感染信息H(b)_N;
S202、根据感染信息H(b)_Y进行过滤,过滤得到院内感染的感染信息H(c)_Y,滤除院外感染的感染信息H(c)_N;
S203、根据感染信息H(c)_Y和步骤S106构建的入出院时间参数g.MC 2,得到感染时间在住院时间范围内的感染信息H(d)_Y,滤除感染时间不在患者住院期间的感染信息H(d)_N;
S204、根据感染信息H(d)_Y和统计时间进行过滤,得到感染时间在统计时间范围内的感染信息H(e)_Y,滤除不在统计时间范围内的感染信息H(e)_N;
S205、根据感染信息H(e)_Y和权限科室,过滤得到对应的属于用户管理权限范围内的感染信息H(f)_Y,滤除不在用户管理权限范围内的H(f)_N;
S206、根据感染信息H(f)_Y和选择的对应科室,滤除不在对应科室的感染信息H(g)_N,过滤得到非手术部位感染的感染信息H(g)_Y;
S300、手术部位感染的感染信息H(g)_Y获取包括以下步骤:
S301、根据患者的手术信息G和步骤S106构建的入出院时间参数g.MC 2,过滤得到在患者入出院时间范围内进行的手术信息G(a)_Y,滤除不在患者住院时间进行的手术信息G(a)_N;
S302、根据患者的手术信息G(a)_Y和统计时间,过滤得到在统计时间范围内的手术信息G(b)_Y,滤除不在统计时间范围内的手术信息G(b)_N;
S303、根据手术信息G(b)_Y和权限科室,过滤得到管理权限范围内的手术信息G(c)_Y,滤除不在用户管理权限范围内的手术信息G(c)_N;
S304、根据手术信息G(c)_Y和选择的对应科室,过滤得到对应科室进行的手术信息G(d)_Y,滤除不在对应科室的手术信息G(d)_N;
S305、根据手术信息G(d)_Y挑选得到与感染信息关联的感染例次标识g.8QR;
S306、根据感染信息H(a)_Y和手术部位感染例次标识g.8QR,过滤得到手术部位感染的感染信息H(b1)_Y;
S401、将步骤S205过滤得到对应科室发生的感染信息H(g)_Y和手术部位感染的感染信息H(b1)_Y,合并得到感染诊断信息H(h);
S402、判断H(h)的感染记录信息是否为空,若H(h)的感染记录为空,则输出结果为空,若H(h)的感染记录不为空,则输出结果不为空;
S500、对每个患者执行步骤S101至S402,统计输出结果不为空的患者人数。
2.根据权利要求1所述的一种住院患者新发生感染人数的统计方法,其特征在于:所述住院过程信息A包括患者病案号、入院科室、入院时间、出院科室和出院时间。
3.根据权利要求1所述的一种住院患者新发生感染人数的统计方法,其特征在于:所述转科记录B包括患者病案号、入住科室、入科时间和出科时间;每个入住科室均对应有入科之间和出科时间,在科时间为入科之间和出科时间之间的时间。
4.根据权利要求1所述的一种住院患者新发生感染人数的统计方法,其特征在于:所述感染信息H包括患者病案号、感染科室、感染时间、感染部位、感染对应手术时间、感染确认状态信息、在院内外的感染类型和感染历次标识。
5.根据权利要求1所述的一种住院患者新发生感染人数的统计方法,其特征在于:所述手术信息G包括患者病案号、手术科室、手术名称、手术开始时间、手术结束时间、切口和感染历次标识。
6.根据权利要求1所述的一种住院患者新发生感染人数的统计方法,其特征在于:入出院时间参数g.MC 2为入院时间in_time和出院时间out_time构成的数组[in_time,out_time];
在步骤S203中,若感染时间<in_time,或者感染时间>out_time,则属于感染时间不在患者住院期间的感染信息H(d)_N;
在步骤S301中,若手术开始时间<in_time,或者手术开始时间>out_time,则属于不在患者住院时间进行的手术信息G(a)_N。
7.根据权利要求1所述的一种住院患者新发生感染人数的统计方法,其特征在于:统计时间的范围为t1-t2;
步骤S102中,若出科时间≤t1,或入科时间≥t2,则属于在科时间不在统计时间范围内的转科记录并进行滤除;
步骤S204中,若感染时间≤t1,或感染时间≥t2,则属于不在统计时间范围内的感染信息H(e)_N;
在步骤S302中,若手术开始时间≤t1,或手术开始时间≥t2,则属于不在统计时间范围内的手术信息G(b)_N。
8.根据权利要求1所述的一种住院患者新发生感染人数的统计方法,其特征在于:在步骤S105和步骤S500中,若输出结果为空,则输出值为0;在步骤S500中,若输出结果不为空,则输出值为1。
9.一种住院患者新发生感染人数的统计设备,其特征在于,包括通信连接的存储器和处理器,所述存储器用于存储计算机程序,所述处理器用于执行计算机程序实现如权利要求1-8任一所述住院患者新发生感染人数的统计方法的步骤。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质上存储有计算机程序,所述计算机程序被执行时,实现权利要求1-8任一所述住院患者新发生感染人数的统计方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010073014.1A CN111312346B (zh) | 2020-01-21 | 2020-01-21 | 住院患者新发生感染人数的统计方法、设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010073014.1A CN111312346B (zh) | 2020-01-21 | 2020-01-21 | 住院患者新发生感染人数的统计方法、设备和存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111312346A CN111312346A (zh) | 2020-06-19 |
CN111312346B true CN111312346B (zh) | 2023-04-18 |
Family
ID=71146925
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010073014.1A Active CN111312346B (zh) | 2020-01-21 | 2020-01-21 | 住院患者新发生感染人数的统计方法、设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111312346B (zh) |
Families Citing this family (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112002430A (zh) * | 2020-06-30 | 2020-11-27 | 杭州杏林信息科技有限公司 | 一种出院前治愈医院感染例次数监测方法及系统 |
CN112002383B (zh) * | 2020-06-30 | 2024-03-08 | 杭州杏林信息科技有限公司 | 特定时段处于医院感染状态人数的自动管理方法及系统 |
CN112017739A (zh) * | 2020-07-06 | 2020-12-01 | 杭州杏林信息科技有限公司 | 一种用于特定时段新发医院感染自动查漏的方法及系统 |
CN112037893A (zh) * | 2020-07-08 | 2020-12-04 | 杭州杏林信息科技有限公司 | 指定时间点处于医院感染状态人数的自动管理方法及系统 |
CN112053753A (zh) * | 2020-07-10 | 2020-12-08 | 杭州杏林信息科技有限公司 | I类切口手术患者例次数统计方法、装置、设备及存储介质 |
CN112837768B (zh) * | 2020-11-26 | 2023-09-15 | 杭州杏林信息科技有限公司 | 基于MapReduce及大数据的前后一周内送检次数的统计方法及装置 |
CN114171148B (zh) * | 2021-12-08 | 2023-10-31 | 杭州杏林信息科技有限公司 | 聚集性传染路线监测方法、装置、设备及存储介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2018097765A1 (ru) * | 2016-11-24 | 2018-05-31 | Виктор Николаевич ЛИТУЕВ | Способ диагностики неинфекционных заболеваний на основе статистических методов обработки данных |
CN109360657A (zh) * | 2018-09-27 | 2019-02-19 | 上海利连信息科技有限公司 | 一种医院感染数据的样本选取的时间段推理方法 |
CN110097975A (zh) * | 2019-04-28 | 2019-08-06 | 湖南省蓝蜻蜓网络科技有限公司 | 一种基于多模型融合的医院感染智能诊断方法及系统 |
CN110704583A (zh) * | 2019-09-20 | 2020-01-17 | 和宇健康科技股份有限公司 | 一种病案分析方法、装置、服务器及存储介质 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20110125525A1 (en) * | 2009-11-20 | 2011-05-26 | Lx1 Technology Ltd. | Method of anticipating an epidemic in a population, and a system thereof |
-
2020
- 2020-01-21 CN CN202010073014.1A patent/CN111312346B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2018097765A1 (ru) * | 2016-11-24 | 2018-05-31 | Виктор Николаевич ЛИТУЕВ | Способ диагностики неинфекционных заболеваний на основе статистических методов обработки данных |
CN109360657A (zh) * | 2018-09-27 | 2019-02-19 | 上海利连信息科技有限公司 | 一种医院感染数据的样本选取的时间段推理方法 |
CN110097975A (zh) * | 2019-04-28 | 2019-08-06 | 湖南省蓝蜻蜓网络科技有限公司 | 一种基于多模型融合的医院感染智能诊断方法及系统 |
CN110704583A (zh) * | 2019-09-20 | 2020-01-17 | 和宇健康科技股份有限公司 | 一种病案分析方法、装置、服务器及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN111312346A (zh) | 2020-06-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111312346B (zh) | 住院患者新发生感染人数的统计方法、设备和存储介质 | |
CN111309781B (zh) | 统计抗菌药物治疗前病原学送检人数的方法及设备 | |
CN111261304B (zh) | 检出耐甲氧西林金黄色葡萄球菌株数的统计方法、设备和存储介质 | |
CN111243756A (zh) | I类切口手术部位感染例数的统计方法、设备及存储介质 | |
Turcato et al. | The COVID-19 epidemic and reorganisation of triage, an observational study | |
CN111695835A (zh) | 用于评估临床试验风险的方法 | |
CN111695834A (zh) | 临床试验质量实时管控优化方法和系统 | |
CN111899837A (zh) | 一种基于数字化手术室的手术报告协同方法及系统 | |
US20180358131A1 (en) | Assigning patients to hospital beds | |
DesHarnais et al. | Risk-adjusted clinical quality indicators: indices for measuring and monitoring rates of mortality, complications, and readmissions | |
CN111312404B (zh) | 统计新发中央血管导管相关血流感染人数的方法、设备及存储介质 | |
CN114038571A (zh) | 传染病追踪方法、装置、设备及存储介质 | |
CN110689936A (zh) | 医院危急值管理系统 | |
CN114171148B (zh) | 聚集性传染路线监测方法、装置、设备及存储介质 | |
Norton et al. | Towards public health surveillance of intensive care services in NSW, Australia | |
CN112786167A (zh) | 基于MapReduce及大数据的应用抗菌药物的手术例次数的统计方法及装置 | |
CN112542231B (zh) | 基于MapReduce及大数据的手术预防用药例数的管理方法及系统 | |
CN112542232A (zh) | 基于MapReduce及大数据的用于观察期内抗菌药物使用人数自动监测的方法及系统 | |
CN112002383B (zh) | 特定时段处于医院感染状态人数的自动管理方法及系统 | |
CN111341398A (zh) | 统计科室住院人数的方法、系统、设备及存储介质 | |
JP5248217B2 (ja) | 医療安全システム | |
CN112086205A (zh) | 特殊类抗菌药物医嘱数管理方法、设备及存储介质 | |
CN113873196A (zh) | 一种提高感染防控管理质量的方法及系统 | |
CN112043241A (zh) | 一种手术患者肺部感染例次数监测方法及系统 | |
Cui et al. | Modeling relaxed policies for discontinuation of methicillin-resistant Staphylococcus aureus contact precautions |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |