CN112582042A - 基于MapReduce及大数据管理同期检出感染多耐药菌例次数的方法及系统 - Google Patents
基于MapReduce及大数据管理同期检出感染多耐药菌例次数的方法及系统 Download PDFInfo
- Publication number
- CN112582042A CN112582042A CN202011271360.7A CN202011271360A CN112582042A CN 112582042 A CN112582042 A CN 112582042A CN 202011271360 A CN202011271360 A CN 202011271360A CN 112582042 A CN112582042 A CN 112582042A
- Authority
- CN
- China
- Prior art keywords
- information
- drug
- department
- time
- culture
- 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.)
- Pending
Links
- 239000003814 drug Substances 0.000 title claims abstract description 533
- 229940079593 drug Drugs 0.000 title claims abstract description 517
- 241000894006 Bacteria Species 0.000 title claims abstract description 182
- 238000000034 method Methods 0.000 title claims abstract description 51
- 238000013523 data management Methods 0.000 title claims abstract description 12
- 208000015181 infectious disease Diseases 0.000 claims abstract description 31
- 206010011409 Cross infection Diseases 0.000 claims abstract description 30
- 238000007726 management method Methods 0.000 claims abstract description 14
- 238000012360 testing method Methods 0.000 claims description 273
- 230000035945 sensitivity Effects 0.000 claims description 209
- 241000191967 Staphylococcus aureus Species 0.000 claims description 88
- 206010059866 Drug resistance Diseases 0.000 claims description 84
- 238000001914 filtration Methods 0.000 claims description 66
- 238000005070 sampling Methods 0.000 claims description 53
- 230000001580 bacterial effect Effects 0.000 claims description 46
- 241000194031 Enterococcus faecium Species 0.000 claims description 39
- 238000007689 inspection Methods 0.000 claims description 34
- 230000008569 process Effects 0.000 claims description 31
- 241000588626 Acinetobacter baumannii Species 0.000 claims description 26
- 241000589517 Pseudomonas aeruginosa Species 0.000 claims description 26
- 238000012384 transportation and delivery Methods 0.000 claims description 25
- 108010059993 Vancomycin Proteins 0.000 claims description 23
- 229960003165 vancomycin Drugs 0.000 claims description 23
- MYPYJXKWCTUITO-LYRMYLQWSA-N vancomycin Chemical compound O([C@@H]1[C@@H](O)[C@H](O)[C@@H](CO)O[C@H]1OC1=C2C=C3C=C1OC1=CC=C(C=C1Cl)[C@@H](O)[C@H](C(N[C@@H](CC(N)=O)C(=O)N[C@H]3C(=O)N[C@H]1C(=O)N[C@H](C(N[C@@H](C3=CC(O)=CC(O)=C3C=3C(O)=CC=C1C=3)C(O)=O)=O)[C@H](O)C1=CC=C(C(=C1)Cl)O2)=O)NC(=O)[C@@H](CC(C)C)NC)[C@H]1C[C@](C)(N)[C@H](O)[C@H](C)O1 MYPYJXKWCTUITO-LYRMYLQWSA-N 0.000 claims description 23
- MYPYJXKWCTUITO-UHFFFAOYSA-N vancomycin Natural products O1C(C(=C2)Cl)=CC=C2C(O)C(C(NC(C2=CC(O)=CC(O)=C2C=2C(O)=CC=C3C=2)C(O)=O)=O)NC(=O)C3NC(=O)C2NC(=O)C(CC(N)=O)NC(=O)C(NC(=O)C(CC(C)C)NC)C(O)C(C=C3Cl)=CC=C3OC3=CC2=CC1=C3OC1OC(CO)C(O)C(O)C1OC1CC(C)(N)C(O)C(C)O1 MYPYJXKWCTUITO-UHFFFAOYSA-N 0.000 claims description 23
- YZBQHRLRFGPBSL-RXMQYKEDSA-N carbapenem Chemical compound C1C=CN2C(=O)C[C@H]21 YZBQHRLRFGPBSL-RXMQYKEDSA-N 0.000 claims description 17
- 241000194032 Enterococcus faecalis Species 0.000 claims description 16
- 241000588747 Klebsiella pneumoniae Species 0.000 claims description 16
- 229940032049 enterococcus faecalis Drugs 0.000 claims description 16
- 229940124587 cephalosporin Drugs 0.000 claims description 13
- 241000588724 Escherichia coli Species 0.000 claims description 11
- 229930186147 Cephalosporin Natural products 0.000 claims description 10
- RJQXTJLFIWVMTO-TYNCELHUSA-N Methicillin Chemical compound COC1=CC=CC(OC)=C1C(=O)N[C@@H]1C(=O)N2[C@@H](C(O)=O)C(C)(C)S[C@@H]21 RJQXTJLFIWVMTO-TYNCELHUSA-N 0.000 claims description 10
- 150000001780 cephalosporins Chemical class 0.000 claims description 10
- 229960003085 meticillin Drugs 0.000 claims description 10
- 206010048723 Multiple-drug resistance Diseases 0.000 claims description 8
- 238000012546 transfer Methods 0.000 claims description 7
- 241000605314 Ehrlichia Species 0.000 claims description 6
- 238000001514 detection method Methods 0.000 claims description 4
- 230000002265 prevention Effects 0.000 abstract description 5
- 238000011156 evaluation Methods 0.000 abstract description 3
- 238000004364 calculation method Methods 0.000 abstract description 2
- 239000008280 blood Substances 0.000 description 20
- 210000004369 blood Anatomy 0.000 description 20
- 238000009640 blood culture Methods 0.000 description 20
- 206010013700 Drug hypersensitivity Diseases 0.000 description 17
- 201000005311 drug allergy Diseases 0.000 description 17
- 238000004422 calculation algorithm Methods 0.000 description 10
- 238000010586 diagram Methods 0.000 description 9
- 108010053950 Teicoplanin Proteins 0.000 description 8
- 229960001668 cefuroxime Drugs 0.000 description 8
- JFPVXVDWJQMJEE-IZRZKJBUSA-N cefuroxime Chemical compound N([C@@H]1C(N2C(=C(COC(N)=O)CS[C@@H]21)C(O)=O)=O)C(=O)\C(=N/OC)C1=CC=CO1 JFPVXVDWJQMJEE-IZRZKJBUSA-N 0.000 description 8
- DDTDNCYHLGRFBM-YZEKDTGTSA-N chembl2367892 Chemical compound CC(=O)N[C@H]1[C@@H](O)[C@H](O)[C@H](CO)O[C@H]1O[C@@H]([C@H]1C(N[C@@H](C2=CC(O)=CC(O[C@@H]3[C@H]([C@H](O)[C@H](O)[C@@H](CO)O3)O)=C2C=2C(O)=CC=C(C=2)[C@@H](NC(=O)[C@@H]2NC(=O)[C@@H]3C=4C=C(O)C=C(C=4)OC=4C(O)=CC=C(C=4)[C@@H](N)C(=O)N[C@H](CC=4C=C(Cl)C(O5)=CC=4)C(=O)N3)C(=O)N1)C(O)=O)=O)C(C=C1Cl)=CC=C1OC1=C(O[C@H]3[C@H]([C@@H](O)[C@H](O)[C@H](CO)O3)NC(C)=O)C5=CC2=C1 DDTDNCYHLGRFBM-YZEKDTGTSA-N 0.000 description 8
- 229960001608 teicoplanin Drugs 0.000 description 8
- 229930182566 Gentamicin Natural products 0.000 description 7
- CEAZRRDELHUEMR-URQXQFDESA-N Gentamicin Chemical compound O1[C@H](C(C)NC)CC[C@@H](N)[C@H]1O[C@H]1[C@H](O)[C@@H](O[C@@H]2[C@@H]([C@@H](NC)[C@@](C)(O)CO2)O)[C@H](N)C[C@@H]1N CEAZRRDELHUEMR-URQXQFDESA-N 0.000 description 7
- 229960002518 gentamicin Drugs 0.000 description 7
- 229960001019 oxacillin Drugs 0.000 description 7
- UWYHMGVUTGAWSP-JKIFEVAISA-N oxacillin Chemical compound N([C@@H]1C(N2[C@H](C(C)(C)S[C@@H]21)C(O)=O)=O)C(=O)C1=C(C)ON=C1C1=CC=CC=C1 UWYHMGVUTGAWSP-JKIFEVAISA-N 0.000 description 7
- ULGZDMOVFRHVEP-RWJQBGPGSA-N Erythromycin Chemical compound O([C@@H]1[C@@H](C)C(=O)O[C@@H]([C@@]([C@H](O)[C@@H](C)C(=O)[C@H](C)C[C@@](C)(O)[C@H](O[C@H]2[C@@H]([C@H](C[C@@H](C)O2)N(C)C)O)[C@H]1C)(C)O)CC)[C@H]1C[C@@](C)(OC)[C@@H](O)[C@H](C)O1 ULGZDMOVFRHVEP-RWJQBGPGSA-N 0.000 description 6
- 229930182555 Penicillin Natural products 0.000 description 6
- JGSARLDLIJGVTE-MBNYWOFBSA-N Penicillin G Chemical compound N([C@H]1[C@H]2SC([C@@H](N2C1=O)C(O)=O)(C)C)C(=O)CC1=CC=CC=C1 JGSARLDLIJGVTE-MBNYWOFBSA-N 0.000 description 6
- WKDDRNSBRWANNC-UHFFFAOYSA-N Thienamycin Natural products C1C(SCCN)=C(C(O)=O)N2C(=O)C(C(O)C)C21 WKDDRNSBRWANNC-UHFFFAOYSA-N 0.000 description 6
- WZOZEZRFJCJXNZ-ZBFHGGJFSA-N cefoxitin Chemical compound N([C@]1(OC)C(N2C(=C(COC(N)=O)CS[C@@H]21)C(O)=O)=O)C(=O)CC1=CC=CS1 WZOZEZRFJCJXNZ-ZBFHGGJFSA-N 0.000 description 6
- 229960002682 cefoxitin Drugs 0.000 description 6
- MYSWGUAQZAJSOK-UHFFFAOYSA-N ciprofloxacin Chemical compound C12=CC(N3CCNCC3)=C(F)C=C2C(=O)C(C(=O)O)=CN1C1CC1 MYSWGUAQZAJSOK-UHFFFAOYSA-N 0.000 description 6
- 229960002182 imipenem Drugs 0.000 description 6
- ZSKVGTPCRGIANV-ZXFLCMHBSA-N imipenem Chemical compound C1C(SCC\N=C\N)=C(C(O)=O)N2C(=O)[C@H]([C@H](O)C)[C@H]21 ZSKVGTPCRGIANV-ZXFLCMHBSA-N 0.000 description 6
- 244000052769 pathogen Species 0.000 description 6
- 229940049954 penicillin Drugs 0.000 description 6
- 206010029803 Nosocomial infection Diseases 0.000 description 5
- 229960001139 cefazolin Drugs 0.000 description 5
- MLYYVTUWGNIJIB-BXKDBHETSA-N cefazolin Chemical compound S1C(C)=NN=C1SCC1=C(C(O)=O)N2C(=O)[C@@H](NC(=O)CN3N=NN=C3)[C@H]2SC1 MLYYVTUWGNIJIB-BXKDBHETSA-N 0.000 description 5
- 230000003044 adaptive effect Effects 0.000 description 4
- 229960002260 meropenem Drugs 0.000 description 4
- DMJNNHOOLUXYBV-PQTSNVLCSA-N meropenem Chemical compound C=1([C@H](C)[C@@H]2[C@H](C(N2C=1C(O)=O)=O)[C@H](O)C)S[C@@H]1CN[C@H](C(=O)N(C)C)C1 DMJNNHOOLUXYBV-PQTSNVLCSA-N 0.000 description 4
- 244000005700 microbiome Species 0.000 description 4
- FFTVPQUHLQBXQZ-KVUCHLLUSA-N (4s,4as,5ar,12ar)-4,7-bis(dimethylamino)-1,10,11,12a-tetrahydroxy-3,12-dioxo-4a,5,5a,6-tetrahydro-4h-tetracene-2-carboxamide Chemical compound C1C2=C(N(C)C)C=CC(O)=C2C(O)=C2[C@@H]1C[C@H]1[C@H](N(C)C)C(=O)C(C(N)=O)=C(O)[C@@]1(O)C2=O FFTVPQUHLQBXQZ-KVUCHLLUSA-N 0.000 description 3
- JWCSIUVGFCSJCK-CAVRMKNVSA-N Disodium Moxalactam Chemical compound N([C@]1(OC)C(N2C(=C(CSC=3N(N=NN=3)C)CO[C@@H]21)C(O)=O)=O)C(=O)C(C(O)=O)C1=CC=C(O)C=C1 JWCSIUVGFCSJCK-CAVRMKNVSA-N 0.000 description 3
- 239000004098 Tetracycline Substances 0.000 description 3
- 239000003242 anti bacterial agent Substances 0.000 description 3
- 229960004099 azithromycin Drugs 0.000 description 3
- MQTOSJVFKKJCRP-BICOPXKESA-N azithromycin Chemical compound O([C@@H]1[C@@H](C)C(=O)O[C@@H]([C@@]([C@H](O)[C@@H](C)N(C)C[C@H](C)C[C@@](C)(O)[C@H](O[C@H]2[C@@H]([C@H](C[C@@H](C)O2)N(C)C)O)[C@H]1C)(C)O)CC)[C@H]1C[C@@](C)(OC)[C@@H](O)[C@H](C)O1 MQTOSJVFKKJCRP-BICOPXKESA-N 0.000 description 3
- 229960003405 ciprofloxacin Drugs 0.000 description 3
- 229960002626 clarithromycin Drugs 0.000 description 3
- AGOYDEPGAOXOCK-KCBOHYOISA-N clarithromycin Chemical compound O([C@@H]1[C@@H](C)C(=O)O[C@@H]([C@@]([C@H](O)[C@@H](C)C(=O)[C@H](C)C[C@](C)([C@H](O[C@H]2[C@@H]([C@H](C[C@@H](C)O2)N(C)C)O)[C@H]1C)OC)(C)O)CC)[C@H]1C[C@@](C)(OC)[C@@H](O)[C@H](C)O1 AGOYDEPGAOXOCK-KCBOHYOISA-N 0.000 description 3
- 229960002227 clindamycin Drugs 0.000 description 3
- KDLRVYVGXIQJDK-AWPVFWJPSA-N clindamycin Chemical compound CN1C[C@H](CCC)C[C@H]1C(=O)N[C@H]([C@H](C)Cl)[C@@H]1[C@H](O)[C@H](O)[C@@H](O)[C@@H](SC)O1 KDLRVYVGXIQJDK-AWPVFWJPSA-N 0.000 description 3
- 150000001875 compounds Chemical class 0.000 description 3
- 229960003276 erythromycin Drugs 0.000 description 3
- 229960000433 latamoxef Drugs 0.000 description 3
- 229960004023 minocycline Drugs 0.000 description 3
- FABPRXSRWADJSP-MEDUHNTESA-N moxifloxacin Chemical compound COC1=C(N2C[C@H]3NCCC[C@H]3C2)C(F)=CC(C(C(C(O)=O)=C2)=O)=C1N2C1CC1 FABPRXSRWADJSP-MEDUHNTESA-N 0.000 description 3
- 229960003702 moxifloxacin Drugs 0.000 description 3
- 230000036457 multidrug resistance Effects 0.000 description 3
- 230000001717 pathogenic effect Effects 0.000 description 3
- JQXXHWHPUNPDRT-WLSIYKJHSA-N rifampicin Chemical compound O([C@](C1=O)(C)O/C=C/[C@@H]([C@H]([C@@H](OC(C)=O)[C@H](C)[C@H](O)[C@H](C)[C@@H](O)[C@@H](C)\C=C\C=C(C)/C(=O)NC=2C(O)=C3C([O-])=C4C)C)OC)C4=C1C3=C(O)C=2\C=N\N1CC[NH+](C)CC1 JQXXHWHPUNPDRT-WLSIYKJHSA-N 0.000 description 3
- 229960001225 rifampicin Drugs 0.000 description 3
- 229960005404 sulfamethoxazole Drugs 0.000 description 3
- JLKIGFTWXXRPMT-UHFFFAOYSA-N sulphamethoxazole Chemical compound O1C(C)=CC(NS(=O)(=O)C=2C=CC(N)=CC=2)=N1 JLKIGFTWXXRPMT-UHFFFAOYSA-N 0.000 description 3
- 229960002180 tetracycline Drugs 0.000 description 3
- 229930101283 tetracycline Natural products 0.000 description 3
- 235000019364 tetracycline Nutrition 0.000 description 3
- 150000003522 tetracyclines Chemical class 0.000 description 3
- 229940088710 antibiotic agent Drugs 0.000 description 2
- 244000052616 bacterial pathogen Species 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 238000012216 screening Methods 0.000 description 2
- JUZNIMUFDBIJCM-ANEDZVCMSA-N Invanz Chemical compound O=C([C@H]1NC[C@H](C1)SC=1[C@H](C)[C@@H]2[C@H](C(N2C=1C(O)=O)=O)[C@H](O)C)NC1=CC=CC(C(O)=O)=C1 JUZNIMUFDBIJCM-ANEDZVCMSA-N 0.000 description 1
- 229940124350 antibacterial drug Drugs 0.000 description 1
- 229940041011 carbapenems Drugs 0.000 description 1
- 229960002100 cefepime Drugs 0.000 description 1
- HVFLCNVBZFFHBT-ZKDACBOMSA-N cefepime Chemical compound S([C@@H]1[C@@H](C(N1C=1C([O-])=O)=O)NC(=O)\C(=N/OC)C=2N=C(N)SC=2)CC=1C[N+]1(C)CCCC1 HVFLCNVBZFFHBT-ZKDACBOMSA-N 0.000 description 1
- 229960004261 cefotaxime Drugs 0.000 description 1
- GPRBEKHLDVQUJE-VINNURBNSA-N cefotaxime Chemical compound N([C@@H]1C(N2C(=C(COC(C)=O)CS[C@@H]21)C(O)=O)=O)C(=O)/C(=N/OC)C1=CSC(N)=N1 GPRBEKHLDVQUJE-VINNURBNSA-N 0.000 description 1
- 229960000484 ceftazidime Drugs 0.000 description 1
- NMVPEQXCMGEDNH-TZVUEUGBSA-N ceftazidime pentahydrate Chemical compound O.O.O.O.O.S([C@@H]1[C@@H](C(N1C=1C([O-])=O)=O)NC(=O)\C(=N/OC(C)(C)C(O)=O)C=2N=C(N)SC=2)CC=1C[N+]1=CC=CC=C1 NMVPEQXCMGEDNH-TZVUEUGBSA-N 0.000 description 1
- 229960004755 ceftriaxone Drugs 0.000 description 1
- VAAUVRVFOQPIGI-SPQHTLEESA-N ceftriaxone Chemical compound S([C@@H]1[C@@H](C(N1C=1C(O)=O)=O)NC(=O)\C(=N/OC)C=2N=C(N)SC=2)CC=1CSC1=NC(=O)C(=O)NN1C VAAUVRVFOQPIGI-SPQHTLEESA-N 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 229960000895 doripenem Drugs 0.000 description 1
- AVAACINZEOAHHE-VFZPANTDSA-N doripenem Chemical compound C=1([C@H](C)[C@@H]2[C@H](C(N2C=1C(O)=O)=O)[C@H](O)C)S[C@@H]1CN[C@H](CNS(N)(=O)=O)C1 AVAACINZEOAHHE-VFZPANTDSA-N 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 229960002770 ertapenem Drugs 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000000265 homogenisation Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000008707 rearrangement Effects 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 235000013311 vegetables Nutrition 0.000 description 1
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
- G16H10/60—ICT specially adapted for the handling or processing of patient-related medical or healthcare data for patient-specific data, e.g. for electronic patient records
-
- 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
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/80—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for detecting, monitoring or modelling epidemics or pandemics, e.g. flu
-
- 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
- G16H70/00—ICT specially adapted for the handling or processing of medical references
- G16H70/40—ICT specially adapted for the handling or processing of medical references relating to drugs, e.g. their side effects or intended usage
Landscapes
- Health & Medical Sciences (AREA)
- Public Health (AREA)
- Engineering & Computer Science (AREA)
- Medical Informatics (AREA)
- Epidemiology (AREA)
- Primary Health Care (AREA)
- General Health & Medical Sciences (AREA)
- Data Mining & Analysis (AREA)
- Pathology (AREA)
- Databases & Information Systems (AREA)
- Biomedical Technology (AREA)
- Chemical & Material Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Medicinal Chemistry (AREA)
- Pharmacology & Pharmacy (AREA)
- Toxicology (AREA)
- Measuring Or Testing Involving Enzymes Or Micro-Organisms (AREA)
Abstract
本公开提供了一种基于MapReduce及大数据管理同期检出感染多耐药菌例次数的方法及系统，基于MapReduce框架，利用分布式系统下机器的并行计算能力，把超出一台服务器内存和存储限制的数百万、数千万住院人次计算医院感染多耐药菌的例次数划分成数千万、数亿的小任务，在多台机器上同时执行这些小任务，再通过汇总若干小任务的中间输出结果，生成最终结果。本发明能够对百万级、千万级、亿级住院人次的大数据进行按照省市区域、医院等级、医院床位、综合和专科、公立和民营等各种口径进行海量并行计算，对所有类别的多重耐药菌相关的感染进行管理，实现医院感染多耐药菌的例次数的精确统计，对医院感染进行整体评估，实现对医院感染多耐药菌的整体防控与管理。
Description
技术领域
本发明属于对多耐药菌感染进行管理的技术领域，具体涉及一种基于MapReduce及大数据管理同期检出感染多耐药菌例次数的方法及系统，尤其适用于待处理的患者数据量远远超过一台服务器存储(磁盘)和计算能力(内存、CPU)无法用手工的方式进行任务拆分及分配的场景。
背景技术
多耐药菌是指有多重耐药性的病原菌。具体而言是指一种微生物对三类或三类以上抗生素同时耐药，而不是同一类三种。
多重耐药菌包括九种，分别是耐甲氧西林金黄色葡萄球菌、耐万古霉素粪肠球菌、耐万古霉素屎肠球菌、耐三四代头孢菌素大肠埃希菌、耐碳青霉烯类大肠埃希菌、耐三四代头孢菌素肺炎克雷伯菌、耐碳青霉烯类肺炎克雷伯菌、耐碳青霉烯类鲍曼不动杆菌、耐碳青霉烯类铜绿假单胞菌。其中耐甲氧西林是指病原体对头孢西丁、苯唑西林、甲氧西林中任意一种耐药；耐三四代头孢菌素是指病原体对头孢噻肟、头孢曲松、头孢他啶、头孢吡肟中任意一种耐药；耐碳青霉烯类是指病原体对亚胺培南、美罗培南、多尼培南、厄他培南中任意一种耐药。
由于耐药菌株对临床上普遍使用的多种抗菌药物耐药，感染以后治疗困难，病死率较高。这些耐药菌株分布广、传播快，容易产生暴发流行，给临床治疗及医院感染的控制带来困难。事实上，随着抗菌药的不合理使用和滥用，正在导致微生物耐药率的不断增加。因此，对医院感染多耐药菌进行管理具有重要的意义。
现有的对医院感染多耐药菌的管理主要是对多耐药菌的检测与发现，在检测到医院感染多耐药菌后，通过电话等方式上报医院感染管理科，进行相应病例的防控与处理。也就是说，现有的医院感染多耐药菌的管理并不能对多耐药菌的例次数进行管理，仅能针对单一的多耐药菌病例进行记录，不能实现对医院感染多耐药菌的整体防控与管理，不能整体评估医院感染情况。
因此，如何实现指定时间段的住院患者同期检出导致医院感染的多重耐药菌例次数的成为亟待解决的问题。
在一家医疗机构计算同期检出导致医院感染的多重耐药菌例次数相对容易，一家普通三级甲等医疗机构每年出院人数大约五万人，国家或者省级龙头医院有十几万人。在省级区域或全国范围内数百上千家医疗机构百万级、千万级、亿级、十亿级住院患者大数据条件下计算上述关键指标就复杂的多，2019年我国三级医院2749个，二级医院9687个，2019年，公立医院住院人数17487万人，一次统计分析的原始结果要计算近一年时间。
因此，在一个区域内数百家、数千家医院如何开展开展标准化、规范化、同质化医院感染监测，实现住院患者大数据条件下指定时间段的住院患者同期检出导致医院感染的多重耐药菌例次数的成为开展区域化信息化监测平台最亟待解决的问题。
发明内容
本发明的目的是针对现有技术的缺陷，提供一种基于MapReduce及大数据管理同期检出感染多耐药菌例次数的方法及系统。本发明能够解决住院患者大数据条件下对所有类别的多重耐药菌相关的感染进行管理，实现医院感染多耐药菌的例次数的精确统计，对医院感染进行整体评估，实现对医院感染多耐药菌的整体防控与管理。
为了实现以上目的，本发明采用以下技术方案：
一种基于MapReduce及大数据管理同期检出感染多耐药菌例次数的方法，包括步骤：
S1、获取住院过程信息A、转科信息B、细菌培养信息J、药敏试验信息K、选择的统计时间、选择的科室，根据用户的身份信息确定用户的权限科室；
S2、将所述转科信息B划分为时间与所述统计时间存在交叉的转科信息B(a)_Y以及时间与所述统计时间不交叉的转科信息B(a)_N；
S3、基于所述权限科室，将所述转科信息B(a)_Y划分为科室属于所述权限科室内的转科信息B(b)_Y和科室不属于所述权限科室内的转科信息B(b)_N；
S4、基于选择的科室，将所述转科信息B(b)_Y划分为科室属于选择的科室内的转科信息B(c)_Y和科室不属于选择的科室内的转科信息B(c)_N；
S5、判断所述转科信息B(c)_Y中是否存在转科记录，若是，执行步骤S6，若否，输出同期检出导致医院感染多耐药菌的例次数为0；
S6、采集患者的住院过程信息A，基于所述住院过程信息获取患者的入院时间和出院时间，共同作为参数g.MC2；
S7、基于所述参数g.MC2将所细菌培养信息J划分为在患者住院期间送检的细菌培养信息J(a)_Y和不在患者住院期间送检的细菌培养信息J(a)_N；
S8、将所述细菌培养信息J(a)_Y划分为在统计时间送检的细菌培养信息J(b)_Y和不在统计时间范围内的细菌培养信息J(b)_N；
S9、基于所述权限科室，将所述细菌培养信息J(b)_Y划分为在用户权限科室范围内的送检的细菌培养信息J(c)_Y和不在范围内的送检的细菌培养信息J(c)_N；
S10、基于选择的科室，将所述细菌培养信息J(c)_Y划分为在用户选择的送检科室内的送检的细菌培养信息J(d)_Y和不在检科室内范围内的送检的细菌培养信息J(c)_N；
S11、将所述细菌培养信息J(d)_Y划分为感染类型是HA的细菌培养信息J(e)_Y和感染类型不是HA的细菌培养信息J(e)_N；
S12、基于所述细菌培养信息J(e)_Y，获取样本号参数g.MRO；
S13、基于参数g.MRO，将所述药敏试验信息K划分为与细菌培养信息对应的药敏试验信息K(a)_Y和其他细菌的药敏试验信息K(a)_N；
S14、基于培养结果，将所述药敏试验信息K(a)_Y划分为培养结果是大肠埃希菌、肺炎克雷伯菌的药敏试验信息K(b1)_Y和培养结果不是大肠埃希菌、肺炎克雷伯菌的药敏试验信息K(b1)_N；
S15、基于药敏药物，将所述药敏试验信息K(b1)_Y划分药敏药物为耐碳青霉系类或三四代头孢菌素的药敏试验信息K(c1)_Y，和进行其他药敏药物的药敏试验信息K(c1)_N；
S16、基于培养结果，将所述药敏试验信息K(a)_Y划分为培养结果是粪肠球菌、屎肠球菌的药敏试验信息K(b2)_Y和培养结果不是粪肠球菌、屎肠球菌的药敏试验信息 K(b2)_N；
S17、基于药敏药物，将所述药敏试验信息K(b2)_Y划分药敏药物为万古霉素的药敏试验信息K(c2)_Y，和非万古霉素的药敏试验信息K(c2)_N；
S18、基于培养结果，将所述药敏试验信息K(a)_Y划分为培养结果是鲍曼不动杆菌或铜绿假单胞菌的药敏试验信息K(b3)_Y和培养结果不是鲍曼不动杆菌、铜绿假单胞菌的药敏试验信息K(b3)_N；
S19、基于药敏药物，将所述药敏试验信息K(b3)_Y划分药敏药物为指定耐碳青霉烯类范围内的药敏试验信息K(c3)_Y，和非指定内容中的药敏试验信息K(c3)_N；
S20、基于培养结果，将所述药敏试验信息K(a)_Y划分为培养结果是黄金色葡萄球菌的药敏试验信息K(b4)_Y和培养结果不是黄金色葡萄球菌的药敏试验信息K(b4)_N；
S21、基于药敏药物，将所述药敏试验信息K(b4)_Y划分药敏药物为甲氧西林的药敏试验信息K(c4)_Y，和药敏药物为其他的药敏试验信息K(c4)_N；
S22、合并所述K(c1)_Y、K(c2)_Y、K(c3)_Y、K(c4)_Y得到药敏试验信息K(d)，基于药敏结果，将所述药敏试验信息K(d)划分为药敏结果是中介或耐药的药敏试验信息K(e)_Y和药敏结果不是中介和耐药的药敏试验信息K(e)_N；
S23、基于所述药敏试验信息K(e)_Y中记录的条数输出住院患者中检出多耐药例次数。
进一步地，所述住院过程信息包括患者病案号、入院科室、入院时间、出院科室、出院时间；所述转科信息包括患者病案号、科室、入科时间、出科时间；所述细菌培养信息包括患者病案号、送检科室、项目名称、采样时间、报告时间、培养结果、样本、样本号、类型；所述药敏试验信息包括患者病案号、送检科室、采样时间、培养结果、样本号、药敏药物和药敏结果。
进一步地，统计时间的范围为t1-t2；若转科入科时间、转科出科时间均小于t1，或转科入科时间、转科出科时间均大于t2，则属于与统计时间不交叉的的转科信息B(a)_Y，并进行滤除。
进一步地，参数g.MNC为入院时间in_time和出院时间out_time构成的数组[in_time， out_time]，若采样时间大于等于in_time、小于等于out_time，则属于在患者住院期间送检的细菌培养信息J(a)_Y。
进一步地，统计时间的范围为t1-t2；若采样时间大于等于t1，小于等于t2，则属于在统计时间送检的细菌培养信息J(b)_Y。
本发明还提出一种基于MapReduce及大数据管理同期检出感染多耐药菌例次数的系统，包括：
获取模块，用于获取住院过程信息A、转科信息B、细菌培养信息J、药敏试验信息K、选择的统计时间、选择的科室，根据用户的身份信息确定用户的权限科室；
第一过滤模块，用于将所述转科信息B划分为时间与所述统计时间存在交叉的转科信息B(a)_Y以及时间与所述统计时间不交叉的转科信息B(a)_N；
第二过滤模块，用于基于所述权限科室，将所述转科信息B(a)_Y划分为科室属于所述权限科室内的转科信息B(b)_Y和科室不属于所述权限科室内的转科信息B(b)_N；
第三过滤模块，用于基于选择的科室，将所述转科信息B(b)_Y划分为科室属于选择的科室内的转科信息B(c)_Y和科室不属于选择的科室内的转科信息B(c)_N；
判断模块，用于判断所述转科信息B(c)_Y中是否存在转科记录，若是，调用第一采集模块，若否，输出同期检出导致医院感染多耐药菌的例次数为0；
第一采集模块，用于采集患者的住院过程信息A，基于所述住院过程信息获取患者的入院时间和出院时间，共同作为参数g.MC2；
第四过滤模块，用于基于所述参数g.MC2将所细菌培养信息J划分为在患者住院期间送检的细菌培养信息J(a)_Y和不在患者住院期间送检的细菌培养信息J(a)_N；
第五过滤模块，用于将所述细菌培养信息J(a)_Y划分为在统计时间送检的细菌培养信息J(b)_Y和不在统计时间范围内的细菌培养信息J(b)_N；
第六过滤模块，用于基于所述权限科室，将所述细菌培养信息J(b)_Y划分为在用户权限科室范围内的送检的细菌培养信息J(c)_Y和不在范围内的送检的细菌培养信息J(c)_N；
第七过滤模块，用于基于选择的科室，将所述细菌培养信息J(c)_Y划分为在用户选择的送检科室内的送检的细菌培养信息J(d)_Y和不在检科室内范围内的送检的细菌培养信息 J(c)_N；
第八过滤模块，用于将所述细菌培养信息J(d)_Y划分为感染类型是HA的细菌培养信息J(e)_Y和感染类型不是HA的细菌培养信息J(e)_N；
第二采集模块，用于基于所述细菌培养信息J(e)_Y，获取样本号参数g.MRO；
第九过滤模块，用于基于参数g.MRO，将所述药敏试验信息K划分为与细菌培养信息对应的药敏试验信息K(a)_Y和其他细菌的药敏试验信息K(a)_N；
第十过滤模块，用于基于培养结果，将所述药敏试验信息K(a)_Y划分为培养结果是大肠埃希菌、肺炎克雷伯菌的药敏试验信息K(b1)_Y和培养结果不是大肠埃希菌、肺炎克雷伯菌的药敏试验信息K(b1)_N；
第十一过滤模块，用于基于药敏药物，将所述药敏试验信息K(b1)_Y划分药敏药物为耐碳青霉系类或三四代头孢菌素的药敏试验信息K(c1)_Y，和进行其他药敏药物的药敏试验信息K(c1)_N；
第十二过滤模块，用于基于培养结果，将所述药敏试验信息K(a)_Y划分为培养结果是粪肠球菌、屎肠球菌的药敏试验信息K(b2)_Y和培养结果不是粪肠球菌、屎肠球菌的药敏试验信息K(b2)_N；
第十三过滤模块，用于基于药敏药物，将所述药敏试验信息K(b2)_Y划分药敏药物为万古霉素的药敏试验信息K(c2)_Y，和非万古霉素的药敏试验信息K(c2)_N；
第十四过滤模块，用于基于培养结果，将所述药敏试验信息K(a)_Y划分为培养结果是鲍曼不动杆菌或铜绿假单胞菌的药敏试验信息K(b3)_Y和培养结果不是鲍曼不动杆菌、铜绿假单胞菌的药敏试验信息K(b3)_N；
第十五过滤模块，用于基于药敏药物，将所述药敏试验信息K(b3)_Y划分药敏药物为指定耐碳青霉烯类范围内的药敏试验信息K(c3)_Y，和非指定内容中的药敏试验信息 K(c3)_N；
第十六过滤模块，用于基于培养结果，将所述药敏试验信息K(a)_Y划分为培养结果是黄金色葡萄球菌的药敏试验信息K(b4)_Y和培养结果不是黄金色葡萄球菌的药敏试验信息 K(b4)_N；
第十七过滤模块，用于基于药敏药物，将所述药敏试验信息K(b4)_Y划分药敏药物为甲氧西林的药敏试验信息K(c4)_Y，和药敏药物为其他的药敏试验信息K(c4)_N；
合并与过滤模块，用于合并所述K(c1)_Y、K(c2)_Y、K(c3)_Y、K(c4)_Y得到药敏试验信息K(d)，基于药敏结果，将所述药敏试验信息K(d)划分为药敏结果是中介或耐药的药敏试验信息K(e)_Y和药敏结果不是中介和耐药的药敏试验信息K(e)_N；
输出模块，用于基于所述药敏试验信息K(e)_Y中记录的条数输出住院患者中检出多耐药例次数。
进一步地，所述住院过程信息包括患者病案号、入院科室、入院时间、出院科室、出院时间；所述转科信息包括患者病案号、科室、入科时间、出科时间；所述细菌培养信息包括患者病案号、送检科室、项目名称、采样时间、报告时间、培养结果、样本、样本号、类型；所述药敏试验信息包括患者病案号、送检科室、采样时间、培养结果、样本号、药敏药物和药敏结果。
进一步地，所述第一过滤模块包括：统计时间的范围为t1-t2；若转科入科时间、转科出科时间均小于t1，或转科入科时间、转科出科时间均大于t2，则属于与统计时间不交叉的的转科信息B(a)_Y，并进行滤除。
进一步地，所述第四过滤模块包括：参数g.MNC为入院时间in_time和出院时间out_time构成的数组[in_time，out_time]，若采样时间大于等于in_time、小于等于out_time，则属于在患者住院期间送检的细菌培养信息J(a)_Y。
进一步地，所述第五过滤模块包括：统计时间的范围为t1-t2；若采样时间大于等于t1，小于等于t2，则属于在统计时间送检的细菌培养信息J(b)_Y。
本发明详细记载了基于MapReduce及大数据管理同期检出感染多耐药菌例次数的具体实现方式，利用住院过程信息、转科信息、细菌培养信息、药敏试验信息、选择的统计时间、选择的科室，根据用户的身份信息确定用户的权限科室，分别基于不同多耐药菌及其对应的药敏药物，确定指定时间段的住院患者同期检出导致医院感染的不同类别多重耐药菌的例次数，合并不同类别多重耐药菌的例次数得到最终的例次数。本发明能够对所有类别的多重耐药菌相关的感染进行管理，实现医院感染多耐药菌的例次数的精确统计，对医院感染进行整体评估，实现对医院感染多耐药菌的整体防控与管理。
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S1至步骤S3的算法逻辑运算流程示意图。
图2是本公开中步骤S4至步骤S6的算法逻辑运算流程示意图。
图3是本公开中步骤S7至步骤S9的算法逻辑运算流程示意图。
图4是本公开中步骤S10至步骤S13的算法逻辑运算流程示意图。
图5是本公开中步骤S14至步骤S15的算法逻辑运算流程示意图。
图6是本公开中步骤S16至步骤S17的算法逻辑运算流程示意图。
图7是本公开中步骤S18至步骤S19的算法逻辑运算流程示意图。
图8是本公开中步骤S20至步骤S21的算法逻辑运算流程示意图。
图9是本公开中步骤S22至步骤S23的算法逻辑运算流程示意图。
具体实施方式
以下通过特定的具体实例说明本发明的实施方式，本领域技术人员可由本说明书所揭露的内容轻易地了解本发明的其他优点与功效。本发明还可以通过另外不同的具体实施方式加以实施或应用，本说明书中的各项细节也可以基于不同观点与应用，在没有背离本发明的精神下进行各种修饰或改变。需说明的是，在不冲突的情况下，以下实施例及实施例中的特征可以相互组合。
需要说明的是，以下实施例中所提供的图示仅以示意方式说明本发明的基本构想，遂图式中仅显示与本发明中有关的组件而非按照实际实施时的组件数目、形状及尺寸绘制，其实际实施时各组件的型态、数量及比例可为一种随意的改变，且其组件布局型态也可能更为复杂。
下面结合附图和具体实施例对本发明作进一步说明，但不作为本发明的限定。
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逻辑单元中前后的数据集合；
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；
实施例一
如图1-9所示，本实施例提出了一种基于MapReduce及大数据管理同期检出感染多耐药菌例次数的方法，包括以下步骤：
S1、获取住院过程信息A、转科信息B、细菌培养信息J、药敏试验信息K、选择的统计时间、选择的科室，根据用户的身份信息确定用户的权限科室；
住院患者中同期检出导致医院感染多耐药菌的例次数是指指定时间段的住院患者同期检出导致医院感染的多重耐药菌例次数。
导致医院感染多耐药菌应满足：患者同期住院，也就是患者的入出院时间段统计时间相交；2、患者在住院期间送检检出多耐药菌；3、同一份标本检出两种以上多耐药菌，对应结果需要分别计算；4、患者发生医院感染，且感染致病菌为多重耐药菌；5、病原体的感染类型只计入为HA的多重耐药菌，不包括感染类型为污染、CA、定植、HA重复、CA 重复、定植重复的多重耐药菌；6、满足用户选择条件。
因此，本发明获取获取住院过程信息A、转科信息B、细菌培养信息J、药敏试验信息K等对导致医院感染多耐药菌病例进行筛选。
住院过程信息用于整体记录患者住院的过程，具体包括患者病案号、入院科室、入院时间、出院科室、出院时间。
转科信息用于记录患者住院期间在各诊疗科室的入科及出科信息，具体包括患者病案号、科室、入科时间、出科时间等。
细菌培养信息用于记录进行细菌培养的培养过程及培养结果，具体包括患者病案号、送检科室、项目名称、采样时间、报告时间、培养结果、样本、样本号、类型。
药敏试验信息用于记录进行药敏试验的输出结果，具体包括患者病案号、送检科室、采样时间、培养结果、样本号、药敏药物和药敏结果。
住院过程信息A、转科信息B、细菌培养信息J、药敏试验信息K为医院工作者在工作中采集或录入的信息。
此外，本发明选择统计时间、科室，对指定时间段、指定科室的检出导致医院感染多耐药菌的例次数进行管理。医院数据具有相应的隐私性，因此，本发明中，对于医院数据的统计与管理需要用户获取相应的数据权限。用户的数据权限与相应的身份信息相关联，因此，本发明根据操作用户的身份信息确定用户的权限科室，对权限科室内的数据进行检出导致医院感染多耐药菌的例次数的管理。
S2、将所述转科信息B划分为时间与所述统计时间存在交叉的转科信息B(a)_Y以及时间与所述统计时间不交叉的转科信息B(a)_N；
本发明首先基于统计时间对转科信息B进行筛选，B为相应患者最开始的转科类型数据集合。_Y代表符合条件的转科记录，_N代表不符合条件的转科记录。时间与所述统计时间存在交叉是指统计时间属于患者处于相应科室的时间段，即统计时间位于患者在相应科室的入科时间及出科时间之间，否则，时间与所述统计时间不交叉。统计时间的范围为t1-t2；若转科入科时间、转科出科时间均小于t1，或转科入科时间、转科出科时间均大于 t2，则属于与统计时间不交叉的的转科信息B(a)_Y，并进行滤除。
S3、基于所述权限科室，将所述转科信息B(a)_Y划分为科室属于所述权限科室内的转科信息B(b)_Y和科室不属于所述权限科室内的转科信息B(b)_N；
由于每个用户的权限不同，本发明基于权限科室对转科信息B(a)_Y进行筛选，使得用户操作的数据与相应的权限相适应。具有地，将转科信息中的“科室”字段与权限科室进行比较，判断“科室”字段是否属于权限科室范围内。转科信息B(b)_Y为属于用户管理的权限范围内的科室中的转科记录，转科信息B(b)_N为不属于用户管理的权限范围内的科室中的转科记录。
S4、基于选择的科室，将所述转科信息B(b)_Y划分为科室属于选择的科室内的转科信息B(c)_Y和科室不属于选择的科室内的转科信息B(c)_N；
本发明中，用户能够针对具体的科室进行住院患者的管理，因此，本发明基于选择的科室对转科信息B(b)_Y进行进行筛选，使得统计、筛查的数据与用户自主选择的科室相适应，使用户能够根据需要对相应的数据进行选择，对特定科室的住院患者中检出多耐药的病例进行统计。具有地，将转科信息中的“科室”字段与选择的科室进行比较，判断“科室”字段是否属于选择的科室范围内。
S5、判断所述转科信息B(c)_Y中是否存在转科记录，若是，执行步骤S6，若否，输出同期检出导致医院感染多耐药菌的例次数为0。
具体地，本发明根据转科记录B(c)_Y进行判断，如果患者经过上述三个步骤之后还存在记录，就继续往下进行，如果患者没有记录了，就结束运算，输出结果0。
S6、采集患者的住院过程信息A，基于所述住院过程信息获取患者的入院时间和出院时间，共同作为参数g.MC2；
住院过程信息用于整体记录患者住院的过程，具体包括患者病案号、入院科室、入院时间、出院科室、出院时间。本发明首先获取患者的住院过程信息A，进一步获取其中的入院时间和出院时间字段相关信息，共同作为参数g.MC2。
S7、基于所述参数g.MC2将所细菌培养信息J划分为在患者住院期间送检的细菌培养信息J(a)_Y和不在患者住院期间送检的细菌培养信息J(a)_N；
正常的检出特定多重耐药菌的患者，其细菌培养的采样时间都应该在患者的住院时间范围内，因此，本发明根据参数g.MC2对明显错误的数据进行筛选。具体地，本发明基于细菌培养信息中的“采样时间”字段与入出院时间参数g.MC2进行比较，过滤掉采样时间不在患者住院期间送检的细菌培养信息J(a)_N，得到一个采样时间在住院时间范围内的细菌培养信息J(a)_Y。入出院时间参数g.MNC为入院时间in_time和出院时间out_time构成的数组[in_time，out_time]，若采样时间大于等于in_time、小于等于out_time，则属于在患者住院期间送检的细菌培养信息J(a)_Y。
S8、将所述细菌培养信息J(a)_Y划分为在统计时间送检的细菌培养信息J(b)_Y和不在统计时间范围内的细菌培养信息J(b)_N；
本发明首先基于统计时间对细菌培养信息J(a)_Y进行筛选，送检时间与所述统计时间存在交叉，即送检时间在统计时间范围内。具有地，将细菌培养信息中的“采样时间”字段与选择的统计时间进行比较，判断“采样时间”字段是否属于选择的统计时间范围内。统计时间的范围为t1-t2；若采样时间大于等于t1，小于等于t2，则属于在统计时间送检的细菌培养信息J(b)_Y。
S9、基于所述权限科室，将所述细菌培养信息J(b)_Y划分为在用户权限科室范围内的送检的细菌培养信息J(c)_Y和不在范围内的送检的细菌培养信息J(c)_N；
由于每个用户的权限不同，本发明基于权限科室对细菌培养信息J(b)_Y进行筛选，使得用户操作的数据与相应的权限相适应。具有地，将细菌培养信息中的“送检科室”字段与权限科室进行比较，判断“送检科室”字段是否属于权限科室范围内。细菌培养信息J(c)_Y 为属于用户管理的权限范围内的送检的细菌培养信息，细菌培养信息J(c)_N为不属于用户管理的送检的细菌培养信息。
S10、基于选择的科室，将所述细菌培养信息J(c)_Y划分为在用户选择的送检科室内的送检的细菌培养信息J(d)_Y和不在检科室内范围内的送检的细菌培养信息J(c)_N；
本发明中，用户能够针对具体的科室进行多耐药例的管理，因此，本发明基于选择的科室对细菌培养信息J(c)_Y进行进行筛选，使得统计、筛查的数据与用户自主选择的科室相适应，使用户能够根据需要对相应的数据进行选择，对特定科室的住院患者中检出多耐药的病例进行统计。具有地，将转细菌培养信息中的“送检科室”字段与选择的科室进行比较，判断“送检科室”字段是否属于选择的科室范围内。
S11、将所述细菌培养信息J(d)_Y划分为感染类型是HA的细菌培养信息J(e)_Y和感染类型不是HA的细菌培养信息J(e)_N；
具体地，本发明基于细菌培养信息中的“类型”字段对细菌培养信息J(d)_Y进行进行筛选。当“类型”字段是HA时，则属于感染类型是HA的细菌培养信息J(e)_Y，否则属于感染类型是不是HA的细菌培养信息J(e)_N。感染类型为HA的类型的病原体代表的是医院感染病原体。
S12、基于所述细菌培养信息J(e)_Y，获取样本号参数g.MRO；
本发明根据细菌培养信息J(e)_Y，挑选得到细菌培养对应的样本号参数g.MRO。测试号的格式为：样本号-培养结果。本发明获取细菌培养信息J(e)_Y中的各个测试号，所有不同的测试号共同组成测试号列表参数g.MRO。具体地，提取细菌培养信息J(e)_Y中的“样本号”、“培养结果”字段中的内容，共同作为测试号。
S13、基于参数g.MRO，将所述药敏试验信息K划分为与细菌培养信息对应的药敏试验信息K(a)_Y和其他细菌的药敏试验信息K(a)_N；
本发明将药敏试验信息与细菌培养信息相关联，因此，首先基于细菌培养信息中的参数g.MRO对药敏试验信息K进行筛选，过滤得到与细菌培养信息对应的药敏试验信息 K(a)_Y和其他细菌的药敏试验信息K(a)_N，即得到参数g.MRO对应的药敏试验信息。具体地，获取药敏试验信息中的“样本号”、“培养结果”字段，滤除“样本号”、“培养结果”与g.MRO不一致的药敏试验信息。
S14、基于培养结果，将所述药敏试验信息K(a)_Y划分为培养结果是大肠埃希菌、肺炎克雷伯菌的药敏试验信息K(b1)_Y和培养结果不是大肠埃希菌、肺炎克雷伯菌的药敏试验信息K(b1)_N；
具体地，本发明基于“培养结果”字段对药敏试验信息K(a)_Y进行进行筛选。当“培养结果”字段为大肠埃希菌、肺炎克雷伯菌时，则属于培养结果为大肠埃希菌、肺炎克雷伯菌的药敏试验信息K(b1)_Y，否则属于培养结果不是大肠埃希菌、肺炎克雷伯菌的药敏试验信息K(b1)_N。
S15、基于药敏药物，将所述药敏试验信息K(b1)_Y划分药敏药物为耐碳青霉系类或三四代头孢菌素的药敏试验信息K(c1)_Y，和进行其他药敏药物的药敏试验信息K(c1)_N；
具体地，本发明基于药敏试验信息中的“药敏药物”字段对药敏试验信息K(b1)_Y进行进行筛选。当“药敏药物”字段包括耐碳青霉系类或三四代头孢菌素任一项时，则属于药敏试验信息K(c1)_Y，否则属于药敏试验信息K(c1)_N。
S16、基于培养结果，将所述药敏试验信息K(a)_Y划分为培养结果是粪肠球菌、屎肠球菌的药敏试验信息K(b2)_Y和培养结果不是粪肠球菌、屎肠球菌的药敏试验信息 K(b2)_N；
具体地，本发明基于“培养结果”字段对药敏试验信息K(a)_Y进行进行筛选。当“培养结果”字段为粪肠球菌、屎肠球菌时，则属于培养结果为粪肠球菌、屎肠球菌的药敏试验信息K(b2)_Y，否则属于培养结果不是粪肠球菌、屎肠球菌的药敏试验信息K(b2)_N。
S17、基于药敏药物，将所述药敏试验信息K(b2)_Y划分药敏药物为万古霉素的药敏试验信息K(c2)_Y，和非万古霉素的药敏试验信息K(c2)_N；
具体地，本发明基于药敏试验信息中的“药敏药物”字段对药敏试验信息K(b2)_Y进行进行筛选。当“药敏药物”字段为万古霉素时，则属于药敏试验信息K(c2)_Y，否则属于药敏试验信息K(c2)_N。
S18、基于培养结果，将所述药敏试验信息K(a)_Y划分为培养结果是鲍曼不动杆菌或铜绿假单胞菌的药敏试验信息K(b3)_Y和培养结果不是鲍曼不动杆菌、铜绿假单胞菌的药敏试验信息K(b3)_N；
具体地，本发明基于“培养结果”字段对药敏试验信息K(a)_Y进行进行筛选。当“培养结果”字段为鲍曼不动杆菌、铜绿假单胞菌时，则属于培养结果为鲍曼不动杆菌、铜绿假单胞菌的药敏试验信息K(b3)_Y，否则属于培养结果不是鲍曼不动杆菌、铜绿假单胞菌的药敏试验信息K(b3)_N。
S19、基于药敏药物，将所述药敏试验信息K(b3)_Y划分药敏药物为指定耐碳青霉烯类范围内的药敏试验信息K(c3)_Y，和非指定内容中的药敏试验信息K(c3)_N；
具体地，本发明基于药敏试验信息中的“药敏药物”字段对药敏试验信息K(b1)_Y进行进行筛选。当“药敏药物”字段包括指定耐碳青霉烯类时，则属于药敏试验信息K(c3)_Y，否则属于药敏试验信息K(c3)_N。
S20、基于培养结果，将所述药敏试验信息K(a)_Y划分为培养结果是黄金色葡萄球菌的药敏试验信息K(b4)_Y和培养结果不是黄金色葡萄球菌的药敏试验信息K(b4)_N；
具体地，本发明基于“培养结果”字段对药敏试验信息K(a)_Y进行进行筛选。当“培养结果”字段为黄金色葡萄球菌时，则属于培养结果为黄金色葡萄球菌的药敏试验信息 K(b4)_Y，否则属于培养结果不是黄金色葡萄球菌的药敏试验信息K(b4)_N。
S21、基于药敏药物，将所述药敏试验信息K(b4)_Y划分药敏药物为甲氧西林的药敏试验信息K(c4)_Y，和药敏药物为其他的药敏试验信息K(c4)_N；
具体地，本发明基于药敏试验信息中的“药敏药物”字段对药敏试验信息K(b4)_Y进行进行筛选。当“药敏药物”字段包括甲氧西林时，则属于药敏试验信息K(c4)_Y，否则属于药敏试验信息K(c4)_N。
S22、合并所述K(c1)_Y、K(c2)_Y、K(c3)_Y、K(c4)_Y得到药敏试验信息K(d)，基于药敏结果，将所述药敏试验信息K(d)划分为药敏结果是中介或耐药的药敏试验信息K(e)_Y和药敏结果不是中介和耐药的药敏试验信息K(e)_N；
本发明针对各种多重耐药菌进行检测，分别得到不同耐药菌对应的药敏试验信息，将 K(c1)_Y、K(c2)_Y、K(c3)_Y、K(c4)_Y合并由此得到所有的多重耐药菌药敏试验信息，具体为得到一个包含九种多耐药菌药敏药物的药敏数据记录K(d)。因此，本发明将获取到的药敏试验结果K(c1)_Y、K(c2)_Y、K(c3)_Y、K(c4)_Y进行合并得到药敏试验信息K(d)。这一步骤是将检出的不同类型的多重耐药菌的结果进行合并。
本发明基于药敏试验信息中的“药敏结果”字段对药敏试验信息K(d)进行进行筛选。当“药敏结果”字段包括中介或耐药任一项时，则说明该药敏试验信息属于住院患者中检出多耐药物记录，属于药敏试验信息K(e)_Y，否则属于药敏试验信息K(e)_N。
S23、基于所述药敏试验信息K(e)_Y中记录的条数输出住院患者中检出多耐药例次数。
具体地，由此得到的药敏试验信息K(e)_Y即为住院患者中检出多耐药患者相关的记录信息。如果药敏试验信息K(e)_Y中的药敏试验信息为空则输出0，不为空则输出药敏试验信息K(e)_Y中记录的条数，作为住院患者中检出多耐药例次数为0。
下面结合具体案例对本公开做进一步说明：
参与运算的类型数据：
住院过程信息A、转科信息B、微生物培养信息J、药敏试验结果K。
住院过程信息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 |
转科信息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 |
微生物信息J：
| 患者病案号 | 送检科室 | 项目名称 | 采样时间 | 报告时间 | 培养结果 | 标本 | 样本号 | 类型 |
| 123456(1) | ICU | 血培养 | 2019-01-05 10:17:00 | 2019-01-08 09:15:00 | 金黄色葡萄球菌 | 全血 | 968584 | HA |
| 123456(1) | ICU | 血培养 | 2019-01-05 10:17:00 | 2019-01-08 09:15:00 | 铜绿假单胞菌菌 | 全血 | 968584 | 污染 |
| 123456(1) | ICU | 血培养 | 2019-01-05 10:17:00 | 2019-01-08 09:15:00 | 鲍曼不动杆菌 | 全血 | 868485 | 定植 |
| 123456(1) | ICU | 血培养 | 2019-01-05 10:17:00 | 2019-01-08 09:15:00 | 屎肠球菌 | 全血 | 584995 | HA |
药敏试验结果K：
统计时间为2019-01-01 00:00:00到2019-01-10 23:59:59
权限科室：所有科室
用户选择科室：ICU
第一步骤：
输入：转科记录B和统计时间[2019-01-01 00:00:00,2019-01-10 23:59:59] 输出：
B(a)_Y：
| 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 |
B(a)_N：
| 患者病案号 | 科室 | 入科时间 | 出科时间 |
第二步骤：
输入：转科记录B(a)_Y和权限科室
输出：
B(b)_Y：
| 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 |
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ICU
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 |
| 123456(1) | 神经内科 | 2019-01-01 00:00:12 | 2019-01-05 01:00:12 |
第四步骤：
输入：转科记录B(c)_Y
| 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
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：细菌培养记录J和g.MC2，其值为[2019-01-01 00:00:12,2019-01-12 03:00:12]
输出：
J(a)_Y：
| 患者病案号 | 送检科室 | 项目名称 | 采样时间 | 报告时间 | 培养结果 | 标本 | 样本号 | 类型 |
| 123456(1) | ICU | 血培养 | 2019-01-05 10:17:00 | 2019-01-08 09:15:00 | 金黄色葡萄球菌 | 全血 | 968584 | HA |
| 123456(1) | ICU | 血培养 | 2019-01-05 10:17:00 | 2019-01-08 09:15:00 | 铜绿假单胞菌菌 | 全血 | 968584 | 污染 |
| 123456(1) | ICU | 血培养 | 2019-01-05 10:17:00 | 2019-01-08 09:15:00 | 鲍曼不动杆菌 | 全血 | 868485 | 定植 |
| 123456(1) | ICU | 血培养 | 2019-01-05 10:17:00 | 2019-01-08 09:15:00 | 屎肠球菌 | 全血 | 584995 | HA |
J(a)_N：
| 患者病案号 | 送检科室 | 项目名称 | 采样时间 | 报告时间 | 培养结果 | 标本 | 样本号 | 类型 |
第七步骤：
输入：细菌培养记录J(a)_Y和【统计时间】，时间为[2019-01-05 10:17:00,2019-01-08 09:15:00]输出：
J(b)_Y
| 患者病案号 | 送检科室 | 项目名称 | 采样时间 | 报告时间 | 培养结果 | 标本 | 样本号 | 类型 |
| 123456(1) | ICU | 血培养 | 2019-01-05 10:17:00 | 2019-01-08 09:15:00 | 金黄色葡萄球菌 | 全血 | 968584 | HA |
| 123456(1) | ICU | 血培养 | 2019-01-05 10:17:00 | 2019-01-08 09:15:00 | 铜绿假单胞菌菌 | 全血 | 968584 | 污染 |
| 123456(1) | ICU | 血培养 | 2019-01-05 10:17:00 | 2019-01-08 09:15:00 | 鲍曼不动杆菌 | 全血 | 868485 | 定植 |
| 123456(1) | ICU | 血培养 | 2019-01-05 10:17:00 | 2019-01-08 09:15:00 | 屎肠球菌 | 全血 | 584995 | HA |
J(b)_N
| 患者病案号 | 送检科室 | 项目名称 | 采样时间 | 报告时间 | 培养结果 | 标本 | 样本号 | 类型 |
第八步骤：
输入：细菌培养J(b)_Y和【权限科室】，科室选择ICU输出：
输出：J(c)_Y：
J(c)_N：
| 患者病案号 | 送检科室 | 项目名称 | 采样时间 | 报告时间 | 培养结果 | 标本 | 样本号 | 类型 |
第九步骤：
输入：细菌培养记录J(c)_Y和用户选择的【科室选择】，科室选择IC
输出：
J(c)_Y：
| 患者病案号 | 送检科室 | 项目名称 | 采样时间 | 报告时间 | 培养结果 | 标本 | 样本号 | 类型 |
| 123456(1) | ICU | 血培养 | 2019-01-05 10:17:00 | 2019-01-08 09:15:00 | 金黄色葡萄球菌 | 全血 | 968584 | HA |
| 123456(1) | ICU | 血培养 | 2019-01-05 10:17:00 | 2019-01-08 09:15:00 | 铜绿假单胞菌菌 | 全血 | 968584 | 污染 |
| 123456(1) | ICU | 血培养 | 2019-01-05 10:17:00 | 2019-01-08 09:15:00 | 鲍曼不动杆菌 | 全血 | 868485 | 定植 |
| 123456(1) | ICU | 血培养 | 2019-01-05 10:17:00 | 2019-01-08 09:15:00 | 屎肠球菌 | 全血 | 584995 | HA |
J(c)_N:
| 患者病案号 | 送检科室 | 项目名称 | 采样时间 | 报告时间 | 培养结果 | 标本 | 样本号 | 类型 |
第十步骤：
输入：细菌培养记录J(d)_Y
输出：
J(e)_Y：
| 患者病案号 | 送检科室 | 项目名称 | 采样时间 | 报告时间 | 培养结果 | 标本 | 样本号 | 类型 |
| 123456(1) | ICU | 血培养 | 2019-01-05 10:17:00 | 2019-01-08 09:15:00 | 金黄色葡萄球菌 | 全血 | 968584 | HA |
| 123456(1) | ICU | 血培养 | 2019-01-05 10:17:00 | 2019-01-08 09:15:00 | 屎肠球菌 | 全血 | 584995 | HA |
J(e)_N：
| 患者病案号 | 送检科室 | 项目名称 | 采样时间 | 报告时间 | 培养结果 | 标本 | 样本号 | 类型 |
| 123456(1) | ICU | 血培养 | 2019-01-05 10:17:00 | 2019-01-08 09:15:00 | 铜绿假单胞菌菌 | 全血 | 968584 | 污染 |
| 123456(1) | ICU | 血培养 | 2019-01-05 10:17:00 | 2019-01-08 09:15:00 | 鲍曼不动杆菌 | 全血 | 868485 | 定植 |
第十一步骤：
输入：细菌培养记录J(e)_Y
输出：
样本号-培养结果参数g.MRO，其值为[968584-金黄色葡萄球菌、584995-屎肠球菌]
第十二步骤：
输入：样本号-培养结果参数g.MRO和药敏测试信息K
输出：
K(a)_Y
K(a)_Y
| 患者病案号 | 送检科室 | 采样时间 | 培养结果 | 样本号 | 药敏药物 | 药敏结果 |
| 123456(1) | ICU | 2019-01-05 10:17:00 | 铜绿假单胞菌 | 968584 | 亚胺培南 | 耐药 |
| 123456(1) | ICU | 2019-01-05 10:17:00 | 铜绿假单胞菌 | 968584 | 头孢唑林 | 耐药 |
| 123456(1) | ICU | 2019-01-05 10:17:00 | 铜绿假单胞菌 | 968584 | 头孢呋辛 | 耐药 |
| 123456(1) | ICU | 2019-01-05 10:17:00 | 铜绿假单胞菌 | 968584 | 庆大霉素 | 耐药 |
| 123456(1) | ICU | 2019-01-05 10:17:00 | 铜绿假单胞菌 | 968584 | 替考拉宁 | 敏感 |
| 123456(1) | ICU | 2019-01-05 10:17:00 | 鲍曼不动杆菌 | 868485 | 亚胺培南 | 耐药 |
| 123456(1) | ICU | 2019-01-05 10:17:00 | 鲍曼不动杆菌 | 868485 | 头孢唑林 | 耐药 |
| 123456(1) | ICU | 2019-01-05 10:17:00 | 鲍曼不动杆菌 | 868485 | 头孢呋辛 | 耐药 |
| 123456(1) | ICU | 2019-01-05 10:17:00 | 鲍曼不动杆菌 | 868485 | 庆大霉素 | 耐药 |
| 123456(1) | ICU | 2019-01-05 10:17:00 | 鲍曼不动杆菌 | 868485 | 替考拉宁 | 敏感 |
第十三步骤：
输入：药敏记录K(a)_Y输出：
K(b1)_Y
| 患者病案号 | 送检科室 | 采样时间 | 培养结果 | 样本号 | 药敏药物 | 药敏结果 |
K(b1)_N
第十四步骤：
输入：药敏记录K(b1)_Y 输出：
K(c1)_Y
| 患者病案号 | 送检科室 | 采样时间 | 培养结果 | 样本号 | 药敏药物 | 药敏结果 |
K(c1)_N
| 患者病案号 | 送检科室 | 采样时间 | 培养结果 | 样本号 | 药敏药物 | 药敏结果 |
第十五步骤：
输入：药敏记录K(a)_Y 输出：
K(b2)_Y
| 患者病案号 | 送检科室 | 采样时间 | 培养结果 | 样本号 | 药敏药物 | 药敏结果 |
| 123456(1) | ICU | 2019-01-05 10:17:00 | 屎肠球菌 | 584995 | 替考拉宁 | 敏感 |
| 123456(1) | ICU | 2019-01-05 10:17:00 | 屎肠球菌 | 584995 | 庆大霉素 | 耐药 |
| 123456(1) | ICU | 2019-01-05 10:17:00 | 屎肠球菌 | 584995 | 头孢呋辛 | 敏感 |
| 123456(1) | ICU | 2019-01-05 10:17:00 | 屎肠球菌 | 584995 | 万古霉素 | 耐药 |
| 123456(1) | ICU | 2019-01-05 10:17:00 | 屎肠球菌 | 584995 | 青霉素 | 耐药 |
K(b2)_N
| 患者病案号 | 送检科室 | 采样时间 | 培养结果 | 样本号 | 药敏药物 | 药敏结果 |
| 123456(1) | ICU | 2019-01-05 10:17:00 | 金黄色葡萄球菌 | 968584 | 头孢西丁 | 耐药 |
| 123456(1) | ICU | 2019-01-05 10:17:00 | 金黄色葡萄球菌 | 968584 | 青霉素 | 耐药 |
| 123456(1) | ICU | 2019-01-05 10:17:00 | 金黄色葡萄球菌 | 968584 | 万古霉素 | 敏感 |
| 123456(1) | ICU | 2019-01-05 10:17:00 | 金黄色葡萄球菌 | 968584 | 苯唑西林 | 耐药 |
| 123456(1) | ICU | 2019-01-05 10:17:00 | 金黄色葡萄球菌 | 968584 | 四环素 | 耐药 |
| 123456(1) | ICU | 2019-01-05 10:17:00 | 金黄色葡萄球菌 | 968584 | 红霉素 | 耐药 |
| 123456(1) | ICU | 2019-01-05 10:17:00 | 金黄色葡萄球菌 | 968584 | 利福平 | 敏感 |
| 123456(1) | ICU | 2019-01-05 10:17:00 | 金黄色葡萄球菌 | 968584 | 阿奇霉素 | 耐药 |
| 123456(1) | ICU | 2019-01-05 10:17:00 | 金黄色葡萄球菌 | 968584 | 克林霉素 | 耐药 |
| 123456(1) | ICU | 2019-01-05 10:17:00 | 金黄色葡萄球菌 | 968584 | 复方新诺明 | 耐药 |
| 123456(1) | ICU | 2019-01-05 10:17:00 | 金黄色葡萄球菌 | 968584 | 克拉霉素 | 耐药 |
| 123456(1) | ICU | 2019-01-05 10:17:00 | 金黄色葡萄球菌 | 968584 | 拉氧头孢 | 耐药 |
| 123456(1) | ICU | 2019-01-05 10:17:00 | 金黄色葡萄球菌 | 968584 | 莫西沙星 | 耐药 |
| 123456(1) | ICU | 2019-01-05 10:17:00 | 金黄色葡萄球菌 | 968584 | 米诺环素 | 敏感 |
| 123456(1) | ICU | 2019-01-05 10:17:00 | 金黄色葡萄球菌 | 968584 | 环丙沙星 | 耐药 |
| 123456(1) | ICU | 2019-01-05 10:17:00 | 金黄色葡萄球菌 | 968584 | 美罗培南 | 耐药 |
| 123456(1) | ICU | 2019-01-05 10:17:00 | 金黄色葡萄球菌 | 968584 | 亚胺培南 | 耐药 |
| 123456(1) | ICU | 2019-01-05 10:17:00 | 金黄色葡萄球菌 | 968584 | 头孢唑林 | 耐药 |
| 123456(1) | ICU | 2019-01-05 10:17:00 | 金黄色葡萄球菌 | 968584 | 头孢呋辛 | 耐药 |
| 123456(1) | ICU | 2019-01-05 10:17:00 | 金黄色葡萄球菌 | 968584 | 庆大霉素 | 耐药 |
| 123456(1) | ICU | 2019-01-05 10:17:00 | 金黄色葡萄球菌 | 968584 | 替考拉宁 | 敏感 |
第十六步骤：
输入：药敏记录K(b2)_Y 输出：
K(c2)_Y
| 患者病案号 | 送检科室 | 采样时间 | 培养结果 | 样本号 | 药敏药物 | 药敏结果 |
| 123456(1) | ICU | 2019-01-05 10:17:00 | 屎肠球菌 | 584995 | 万古霉素 | 耐药 |
K(c2)_N
第十七步骤：
输入：药敏记录K(a)_Y 输出：
K(b3)_Y
| 患者病案号 | 送检科室 | 采样时间 | 培养结果 | 样本号 | 药敏药物 | 药敏结果 |
K(b3)_N
| 患者病案号 | 送检科室 | 采样时间 | 培养结果 | 样本号 | 药敏药物 | 药敏结果 |
| 123456(1) | ICU | 2019-01-05 10:17:00 | 金黄色葡萄球菌 | 968584 | 头孢西丁 | 耐药 |
| 123456(1) | ICU | 2019-01-05 10:17:00 | 金黄色葡萄球菌 | 968584 | 青霉素 | 耐药 |
| 123456(1) | ICU | 2019-01-05 10:17:00 | 金黄色葡萄球菌 | 968584 | 万古霉素 | 敏感 |
| 123456(1) | ICU | 2019-01-05 10:17:00 | 金黄色葡萄球菌 | 968584 | 苯唑西林 | 耐药 |
| 123456(1) | ICU | 2019-01-05 10:17:00 | 金黄色葡萄球菌 | 968584 | 四环素 | 耐药 |
| 123456(1) | ICU | 2019-01-05 10:17:00 | 金黄色葡萄球菌 | 968584 | 红霉素 | 耐药 |
| 123456(1) | ICU | 2019-01-05 10:17:00 | 金黄色葡萄球菌 | 968584 | 利福平 | 敏感 |
| 123456(1) | ICU | 2019-01-05 10:17:00 | 金黄色葡萄球菌 | 968584 | 阿奇霉素 | 耐药 |
| 123456(1) | ICU | 2019-01-05 10:17:00 | 金黄色葡萄球菌 | 968584 | 克林霉素 | 耐药 |
| 123456(1) | ICU | 2019-01-05 10:17:00 | 金黄色葡萄球菌 | 968584 | 复方新诺明 | 耐药 |
| 123456(1) | ICU | 2019-01-05 10:17:00 | 金黄色葡萄球菌 | 968584 | 克拉霉素 | 耐药 |
| 123456(1) | ICU | 2019-01-05 10:17:00 | 金黄色葡萄球菌 | 968584 | 拉氧头孢 | 耐药 |
| 123456(1) | ICU | 2019-01-05 10:17:00 | 金黄色葡萄球菌 | 968584 | 莫西沙星 | 耐药 |
| 123456(1) | ICU | 2019-01-05 10:17:00 | 金黄色葡萄球菌 | 968584 | 米诺环素 | 敏感 |
| 123456(1) | ICU | 2019-01-05 10:17:00 | 金黄色葡萄球菌 | 968584 | 环丙沙星 | 耐药 |
| 123456(1) | ICU | 2019-01-05 10:17:00 | 金黄色葡萄球菌 | 968584 | 美罗培南 | 耐药 |
| 123456(1) | ICU | 2019-01-05 10:17:00 | 金黄色葡萄球菌 | 968584 | 亚胺培南 | 耐药 |
| 123456(1) | ICU | 2019-01-05 10:17:00 | 金黄色葡萄球菌 | 968584 | 头孢唑林 | 耐药 |
| 123456(1) | ICU | 2019-01-05 10:17:00 | 金黄色葡萄球菌 | 968584 | 头孢呋辛 | 耐药 |
| 123456(1) | ICU | 2019-01-05 10:17:00 | 金黄色葡萄球菌 | 968584 | 庆大霉素 | 耐药 |
| 123456(1) | ICU | 2019-01-05 10:17:00 | 金黄色葡萄球菌 | 968584 | 替考拉宁 | 敏感 |
| 123456(1) | ICU | 2019-01-05 10:17:00 | 屎肠球菌 | 584995 | 替考拉宁 | 敏感 |
| 123456(1) | ICU | 2019-01-05 10:17:00 | 屎肠球菌 | 584995 | 庆大霉素 | 耐药 |
| 123456(1) | ICU | 2019-01-05 10:17:00 | 屎肠球菌 | 584995 | 头孢呋辛 | 敏感 |
| 123456(1) | ICU | 2019-01-05 10:17:00 | 屎肠球菌 | 584995 | 万古霉素 | 耐药 |
| 123456(1) | ICU | 2019-01-05 10:17:00 | 屎肠球菌 | 584995 | 青霉素 | 耐药 |
第十八步骤：
输入：药敏记录K(b3)_Y
输出：
K(c3)_Y
| 患者病案号 | 送检科室 | 采样时间 | 培养结果 | 样本号 | 药敏药物 | 药敏结果 |
K(c3)_N
| 患者病案号 | 送检科室 | 采样时间 | 培养结果 | 样本号 | 药敏药物 | 药敏结果 |
第十九步骤：
输入：药敏记录K(a)_Y
输出：
K(b4)_Y
K(b4)_N
| 患者病案号 | 送检科室 | 采样时间 | 培养结果 | 样本号 | 药敏药物 | 药敏结果 |
| 123456(1) | ICU | 2019-01-05 10:17:00 | 屎肠球菌 | 584995 | 替考拉宁 | 敏感 |
| 123456(1) | ICU | 2019-01-05 10:17:00 | 屎肠球菌 | 584995 | 庆大霉素 | 耐药 |
| 123456(1) | ICU | 2019-01-05 10:17:00 | 屎肠球菌 | 584995 | 头孢呋辛 | 敏感 |
| 123456(1) | ICU | 2019-01-05 10:17:00 | 屎肠球菌 | 584995 | 万古霉素 | 耐药 |
| 123456(1) | ICU | 2019-01-05 10:17:00 | 屎肠球菌 | 584995 | 青霉素 | 耐药 |
第二十步骤：
输入：药敏记录K(b4)_Y
输出：
K(c4)_Y
| 患者病案号 | 送检科室 | 采样时间 | 培养结果 | 样本号 | 药敏药物 | 药敏结果 |
| 123456(1) | ICU | 2019-01-05 10:17:00 | 金黄色葡萄球菌 | 968584 | 头孢西丁 | 耐药 |
| 123456(1) | ICU | 2019-01-05 10:17:00 | 金黄色葡萄球菌 | 968584 | 苯唑西林 | 耐药 |
K(c4)_N
| 患者病案号 | 送检科室 | 采样时间 | 培养结果 | 样本号 | 药敏药物 | 药敏结果 |
| 123456(1) | ICU | 2019-01-05 10:17:00 | 金黄色葡萄球菌 | 968584 | 青霉素 | 耐药 |
| 123456(1) | ICU | 2019-01-05 10:17:00 | 金黄色葡萄球菌 | 968584 | 苯唑西林 | 耐药 |
| 123456(1) | ICU | 2019-01-05 10:17:00 | 金黄色葡萄球菌 | 968584 | 四环素 | 耐药 |
| 123456(1) | ICU | 2019-01-05 10:17:00 | 金黄色葡萄球菌 | 968584 | 红霉素 | 耐药 |
| 123456(1) | ICU | 2019-01-05 10:17:00 | 金黄色葡萄球菌 | 968584 | 利福平 | 敏感 |
| 123456(1) | ICU | 2019-01-05 10:17:00 | 金黄色葡萄球菌 | 968584 | 阿奇霉素 | 耐药 |
| 123456(1) | ICU | 2019-01-05 10:17:00 | 金黄色葡萄球菌 | 968584 | 克林霉素 | 耐药 |
| 123456(1) | ICU | 2019-01-05 10:17:00 | 金黄色葡萄球菌 | 968584 | 复方新诺明 | 耐药 |
| 123456(1) | ICU | 2019-01-05 10:17:00 | 金黄色葡萄球菌 | 968584 | 克拉霉素 | 耐药 |
| 123456(1) | ICU | 2019-01-05 10:17:00 | 金黄色葡萄球菌 | 968584 | 拉氧头孢 | 耐药 |
| 123456(1) | ICU | 2019-01-05 10:17:00 | 金黄色葡萄球菌 | 968584 | 莫西沙星 | 耐药 |
| 123456(1) | ICU | 2019-01-05 10:17:00 | 金黄色葡萄球菌 | 968584 | 米诺环素 | 敏感 |
| 123456(1) | ICU | 2019-01-05 10:17:00 | 金黄色葡萄球菌 | 968584 | 环丙沙星 | 耐药 |
| 123456(1) | ICU | 2019-01-05 10:17:00 | 金黄色葡萄球菌 | 968584 | 美罗培南 | 耐药 |
| 123456(1) | ICU | 2019-01-05 10:17:00 | 金黄色葡萄球菌 | 968584 | 亚胺培南 | 耐药 |
| 123456(1) | ICU | 2019-01-05 10:17:00 | 金黄色葡萄球菌 | 968584 | 头孢唑林 | 耐药 |
| 123456(1) | ICU | 2019-01-05 10:17:00 | 金黄色葡萄球菌 | 968584 | 头孢呋辛 | 耐药 |
| 123456(1) | ICU | 2019-01-05 10:17:00 | 金黄色葡萄球菌 | 968584 | 庆大霉素 | 耐药 |
| 123456(1) | ICU | 2019-01-05 10:17:00 | 金黄色葡萄球菌 | 968584 | 替考拉宁 | 敏感 |
第二十一步骤：
输入：获取到的药敏记录K(c1)_Y、K(c2)_Y、K(c3)_Y、K(c4)_Y
输出：
K(d)
| 患者病案号 | 送检科室 | 采样时间 | 培养结果 | 样本号 | 药敏药物 | 药敏结果 |
| 123456(1) | ICU | 2019-01-05 10:17:00 | 金黄色葡萄球菌 | 968584 | 头孢西丁 | 耐药 |
| 123456(1) | ICU | 2019-01-05 10:17:00 | 金黄色葡萄球菌 | 968584 | 苯唑西林 | 耐药 |
| 123456(1) | ICU | 2019-01-05 10:17:00 | 屎肠球菌 | 584995 | 万古霉素 | 耐药 |
第二十二步骤：
输入：所有指定内容中的药敏记录K(d)
输出：
K(e)_Y
| 患者病案号 | 送检科室 | 采样时间 | 培养结果 | 样本号 | 药敏药物 | 药敏结果 |
| 123456(1) | ICU | 2019-01-05 10:17:00 | 金黄色葡萄球菌 | 968584 | 头孢西丁 | 耐药 |
| 123456(1) | ICU | 2019-01-05 10:17:00 | 金黄色葡萄球菌 | 968584 | 苯唑西林 | 耐药 |
| 123456(1) | ICU | 2019-01-05 10:17:00 | 屎肠球菌 | 584995 | 万古霉素 | 耐药 |
K(e)_N
| 患者病案号 | 送检科室 | 采样时间 | 培养结果 | 样本号 | 药敏药物 | 药敏结果 |
第二十三步骤：
输入：药敏记录K(e)_Y
输出：
计数值为3
实施例二
本实施例提出了一种基于MapReduce及大数据管理同期检出感染多耐药菌例次数的系统，包括：
获取模块，用于获取住院过程信息A、转科信息B、细菌培养信息J、药敏试验信息K、选择的统计时间、选择的科室，根据用户的身份信息确定用户的权限科室；
第一过滤模块，用于将所述转科信息B划分为时间与所述统计时间存在交叉的转科信息B(a)_Y以及时间与所述统计时间不交叉的转科信息B(a)_N；
第二过滤模块，用于基于所述权限科室，将所述转科信息B(a)_Y划分为科室属于所述权限科室内的转科信息B(b)_Y和科室不属于所述权限科室内的转科信息B(b)_N；
第三过滤模块，用于基于选择的科室，将所述转科信息B(b)_Y划分为科室属于选择的科室内的转科信息B(c)_Y和科室不属于选择的科室内的转科信息B(c)_N；
判断模块，用于判断所述转科信息B(c)_Y中是否存在转科记录，若是，调用第一采集模块，若否，输出同期检出导致医院感染多耐药菌的例次数为0。
第一采集模块，用于采集患者的住院过程信息A，基于所述住院过程信息获取患者的入院时间和出院时间，共同作为参数g.MC2；
第四过滤模块，用于基于所述参数g.MC2将所细菌培养信息J划分为在患者住院期间送检的细菌培养信息J(a)_Y和不在患者住院期间送检的细菌培养信息J(a)_N；
第五过滤模块，用于将所述细菌培养信息J(a)_Y划分为在统计时间送检的细菌培养信息J(b)_Y和不在统计时间范围内的细菌培养信息J(b)_N；
第六过滤模块，用于基于所述权限科室，将所述细菌培养信息J(b)_Y划分为在用户权限科室范围内的送检的细菌培养信息J(c)_Y和不在范围内的送检的细菌培养信息J(c)_N；
第七过滤模块，用于基于选择的科室，将所述细菌培养信息J(c)_Y划分为在用户选择的送检科室内的送检的细菌培养信息J(d)_Y和不在检科室内范围内的送检的细菌培养信息 J(c)_N；
第八过滤模块，用于将所述细菌培养信息J(d)_Y划分为感染类型是HA的细菌培养信息J(e)_Y和感染类型不是HA的细菌培养信息J(e)_N；
第二采集模块，用于基于所述细菌培养信息J(e)_Y，获取样本号参数g.MRO；
第九过滤模块，用于基于参数g.MRO，将所述药敏试验信息K划分为与细菌培养信息对应的药敏试验信息K(a)_Y和其他细菌的药敏试验信息K(a)_N；
第十过滤模块，用于基于培养结果，将所述药敏试验信息K(a)_Y划分为培养结果是大肠埃希菌、肺炎克雷伯菌的药敏试验信息K(b1)_Y和培养结果不是大肠埃希菌、肺炎克雷伯菌的药敏试验信息K(b1)_N；
第十一过滤模块，用于基于药敏药物，将所述药敏试验信息K(b1)_Y划分药敏药物为耐碳青霉系类或三四代头孢菌素的药敏试验信息K(c1)_Y，和进行其他药敏药物的药敏试验信息K(c1)_N；
第十二过滤模块，用于基于培养结果，将所述药敏试验信息K(a)_Y划分为培养结果是粪肠球菌、屎肠球菌的药敏试验信息K(b2)_Y和培养结果不是粪肠球菌、屎肠球菌的药敏试验信息K(b2)_N；
第十三过滤模块，用于基于药敏药物，将所述药敏试验信息K(b2)_Y划分药敏药物为万古霉素的药敏试验信息K(c2)_Y，和非万古霉素的药敏试验信息K(c2)_N；
第十四过滤模块，用于基于培养结果，将所述药敏试验信息K(a)_Y划分为培养结果是鲍曼不动杆菌或铜绿假单胞菌的药敏试验信息K(b3)_Y和培养结果不是鲍曼不动杆菌、铜绿假单胞菌的药敏试验信息K(b3)_N；
第十五过滤模块，用于基于药敏药物，将所述药敏试验信息K(b3)_Y划分药敏药物为指定耐碳青霉烯类范围内的药敏试验信息K(c3)_Y，和非指定内容中的药敏试验信息 K(c3)_N；
第十六过滤模块，用于基于培养结果，将所述药敏试验信息K(a)_Y划分为培养结果是黄金色葡萄球菌的药敏试验信息K(b4)_Y和培养结果不是黄金色葡萄球菌的药敏试验信息K(b4)_N；
第十七过滤模块，用于基于药敏药物，将所述药敏试验信息K(b4)_Y划分药敏药物为甲氧西林的药敏试验信息K(c4)_Y，和药敏药物为其他的药敏试验信息K(c4)_N；
合并与过滤模块，用于合并所述K(c1)_Y、K(c2)_Y、K(c3)_Y、K(c4)_Y得到药敏试验信息K(d)，基于药敏结果，将所述药敏试验信息K(d)划分为药敏结果是中介或耐药的药敏试验信息K(e)_Y和药敏结果不是中介和耐药的药敏试验信息K(e)_N；
输出模块，用于基于所述药敏试验信息K(e)_Y中记录的条数输出住院患者中检出多耐药例次数。
具体地，由此得到的药敏试验信息K(e)_Y即为住院患者中检出多耐药患者相关的记录信息。如果药敏试验信息K(e)_Y中的药敏试验信息为空则输出0，不为空则输出药敏试验信息K(e)_Y中记录的条数，作为住院患者中检出多耐药例次数为0。
本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、计算机软件或者二者的结合来实现，为了清楚地说明硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。
在本发明所提供的几个实施例中，应该理解到，所揭露的系统和方法，可以通过其它的方式实现。例如，以上所描述的系统实施例仅仅是示意性的。例如，各个模块的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式。例如多个模块或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。
本发明实施例方法中的步骤可以根据实际需要进行顺序调整、合并和删减。本发明实施例装置中的单元可以根据实际需要进行合并、划分和删减。另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以是两个或两个以上单元集成在一个单元中。
该集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分，或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，终端，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。
注意，上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解，本发明不限于这里所述的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此，虽然通过以上实施例对本发明进行了较为详细的说明，但是本发明不仅仅限于以上实施例，在不脱离本发明构思的情况下，还可以包括更多其他等效实施例，而本发明的范围由所附的权利要求范围决定。
Claims (10)
1.一种基于MapReduce及大数据管理同期检出感染多耐药菌例次数的方法，其特征在于，包括步骤：
S1、获取住院过程信息A、转科信息B、细菌培养信息J、药敏试验信息K、选择的统计时间、选择的科室，根据用户的身份信息确定用户的权限科室；
S2、将所述转科信息B划分为时间与所述统计时间存在交叉的转科信息B(a)_Y以及时间与所述统计时间不交叉的转科信息B(a)_N；
S3、基于所述权限科室，将所述转科信息B(a)_Y划分为科室属于所述权限科室内的转科信息B(b)_Y和科室不属于所述权限科室内的转科信息B(b)_N；
S4、基于选择的科室，将所述转科信息B(b)_Y划分为科室属于选择的科室内的转科信息B(c)_Y和科室不属于选择的科室内的转科信息B(c)_N；
S5、判断所述转科信息B(c)_Y中是否存在转科记录，若是，执行步骤S6，若否，输出同期检出导致医院感染多耐药菌的例次数为0；
S6、采集患者的住院过程信息A，基于所述住院过程信息获取患者的入院时间和出院时间，共同作为参数g.MC2；
S7、基于所述参数g.MC2将所细菌培养信息J划分为在患者住院期间送检的细菌培养信息J(a)_Y和不在患者住院期间送检的细菌培养信息J(a)_N；
S8、将所述细菌培养信息J(a)_Y划分为在统计时间送检的细菌培养信息J(b)_Y和不在统计时间范围内的细菌培养信息J(b)_N；
S9、基于所述权限科室，将所述细菌培养信息J(b)_Y划分为在用户权限科室范围内的送检的细菌培养信息J(c)_Y和不在范围内的送检的细菌培养信息J(c)_N；
S10、基于选择的科室，将所述细菌培养信息J(c)_Y划分为在用户选择的送检科室内的送检的细菌培养信息J(d)_Y和不在检科室内范围内的送检的细菌培养信息J(c)_N；
S11、将所述细菌培养信息J(d)_Y划分为感染类型是HA的细菌培养信息J(e)_Y和感染类型不是HA的细菌培养信息J(e)_N；
S12、基于所述细菌培养信息J(e)_Y，获取样本号参数g.MRO；
S13、基于参数g.MRO，将所述药敏试验信息K划分为与细菌培养信息对应的药敏试验信息K(a)_Y和其他细菌的药敏试验信息K(a)_N；
S14、基于培养结果，将所述药敏试验信息K(a)_Y划分为培养结果是大肠埃希菌、肺炎克雷伯菌的药敏试验信息K(b1)_Y和培养结果不是大肠埃希菌、肺炎克雷伯菌的药敏试验信息K(b1)_N；
S15、基于药敏药物，将所述药敏试验信息K(b1)_Y划分药敏药物为耐碳青霉系类或三四代头孢菌素的药敏试验信息K(c1)_Y，和进行其他药敏药物的药敏试验信息K(c1)_N；
S16、基于培养结果，将所述药敏试验信息K(a)_Y划分为培养结果是粪肠球菌、屎肠球菌的药敏试验信息K(b2)_Y和培养结果不是粪肠球菌、屎肠球菌的药敏试验信息K(b2)_N；
S17、基于药敏药物，将所述药敏试验信息K(b2)_Y划分药敏药物为万古霉素的药敏试验信息K(c2)_Y，和非万古霉素的药敏试验信息K(c2)_N；
S18、基于培养结果，将所述药敏试验信息K(a)_Y划分为培养结果是鲍曼不动杆菌或铜绿假单胞菌的药敏试验信息K(b3)_Y和培养结果不是鲍曼不动杆菌、铜绿假单胞菌的药敏试验信息K(b3)_N；
S19、基于药敏药物，将所述药敏试验信息K(b3)_Y划分药敏药物为指定耐碳青霉烯类范围内的药敏试验信息K(c3)_Y，和非指定内容中的药敏试验信息K(c3)_N；
S20、基于培养结果，将所述药敏试验信息K(a)_Y划分为培养结果是黄金色葡萄球菌的药敏试验信息K(b4)_Y和培养结果不是黄金色葡萄球菌的药敏试验信息K(b4)_N；
S21、基于药敏药物，将所述药敏试验信息K(b4)_Y划分药敏药物为甲氧西林的药敏试验信息K(c4)_Y，和药敏药物为其他的药敏试验信息K(c4)_N；
S22、合并所述K(c1)_Y、K(c2)_Y、K(c3)_Y、K(c4)_Y得到药敏试验信息K(d)，基于药敏结果，将所述药敏试验信息K(d)划分为药敏结果是中介或耐药的药敏试验信息K(e)_Y和药敏结果不是中介和耐药的药敏试验信息K(e)_N；
S23、基于所述药敏试验信息K(e)_Y中记录的条数输出住院患者中检出多耐药例次数。
2.根据权利要求1所述的管理方法，其特征在于，所述住院过程信息包括患者病案号、入院科室、入院时间、出院科室、出院时间；所述转科信息包括患者病案号、科室、入科时间、出科时间；所述细菌培养信息包括患者病案号、送检科室、项目名称、采样时间、报告时间、培养结果、样本、样本号、类型；所述药敏试验信息包括患者病案号、送检科室、采样时间、培养结果、样本号、药敏药物和药敏结果。
3.根据权利要求2所述的管理方法，其特征在于，所述步骤S2包括：统计时间的范围为t1-t2；若转科入科时间、转科出科时间均小于t1，或转科入科时间、转科出科时间均大于t2，则属于与统计时间不交叉的的转科信息B(a)_Y，并进行滤除。
4.根据权利要求2所述的管理方法，其特征在于，所述步骤S7包括：参数g.MNC为入院时间in_time和出院时间out_time构成的数组[in_time，out_time]，若采样时间大于等于in_time、小于等于out_time，则属于在患者住院期间送检的细菌培养信息J(a)_Y。
5.根据权利要求2所述的管理方法，其特征在于，所述步骤S8包括：统计时间的范围为t1-t2；若采样时间大于等于t1，小于等于t2，则属于在统计时间送检的细菌培养信息J(b)_Y。
6.一种基于MapReduce及大数据管理同期检出感染多耐药菌例次数的系统，其特征在于，包括：
获取模块，用于获取住院过程信息A、转科信息B、细菌培养信息J、药敏试验信息K、选择的统计时间、选择的科室，根据用户的身份信息确定用户的权限科室；
第一过滤模块，用于将所述转科信息B划分为时间与所述统计时间存在交叉的转科信息B(a)_Y以及时间与所述统计时间不交叉的转科信息B(a)_N；
第二过滤模块，用于基于所述权限科室，将所述转科信息B(a)_Y划分为科室属于所述权限科室内的转科信息B(b)_Y和科室不属于所述权限科室内的转科信息B(b)_N；
第三过滤模块，用于基于选择的科室，将所述转科信息B(b)_Y划分为科室属于选择的科室内的转科信息B(c)_Y和科室不属于选择的科室内的转科信息B(c)_N；
判断模块，用于判断所述转科信息B(c)_Y中是否存在转科记录，若是，调用第一采集模块，若否，输出同期检出导致医院感染多耐药菌的例次数为0；
第一采集模块，用于采集患者的住院过程信息A，基于所述住院过程信息获取患者的入院时间和出院时间，共同作为参数g.MC2；
第四过滤模块，用于基于所述参数g.MC2将所细菌培养信息J划分为在患者住院期间送检的细菌培养信息J(a)_Y和不在患者住院期间送检的细菌培养信息J(a)_N；
第五过滤模块，用于将所述细菌培养信息J(a)_Y划分为在统计时间送检的细菌培养信息J(b)_Y和不在统计时间范围内的细菌培养信息J(b)_N；
第六过滤模块，用于基于所述权限科室，将所述细菌培养信息J(b)_Y划分为在用户权限科室范围内的送检的细菌培养信息J(c)_Y和不在范围内的送检的细菌培养信息J(c)_N；
第七过滤模块，用于基于选择的科室，将所述细菌培养信息J(c)_Y划分为在用户选择的送检科室内的送检的细菌培养信息J(d)_Y和不在检科室内范围内的送检的细菌培养信息J(c)_N；
第八过滤模块，用于将所述细菌培养信息J(d)_Y划分为感染类型是HA的细菌培养信息J(e)_Y和感染类型不是HA的细菌培养信息J(e)_N；
第二采集模块，用于基于所述细菌培养信息J(e)_Y，获取样本号参数g.MRO；
第九过滤模块，用于基于参数g.MRO，将所述药敏试验信息K划分为与细菌培养信息对应的药敏试验信息K(a)_Y和其他细菌的药敏试验信息K(a)_N；
第十过滤模块，用于基于培养结果，将所述药敏试验信息K(a)_Y划分为培养结果是大肠埃希菌、肺炎克雷伯菌的药敏试验信息K(b1)_Y和培养结果不是大肠埃希菌、肺炎克雷伯菌的药敏试验信息K(b1)_N；
第十一过滤模块，用于基于药敏药物，将所述药敏试验信息K(b1)_Y划分药敏药物为耐碳青霉系类或三四代头孢菌素的药敏试验信息K(c1)_Y，和进行其他药敏药物的药敏试验信息K(c1)_N；
第十二过滤模块，用于基于培养结果，将所述药敏试验信息K(a)_Y划分为培养结果是粪肠球菌、屎肠球菌的药敏试验信息K(b2)_Y和培养结果不是粪肠球菌、屎肠球菌的药敏试验信息K(b2)_N；
第十三过滤模块，用于基于药敏药物，将所述药敏试验信息K(b2)_Y划分药敏药物为万古霉素的药敏试验信息K(c2)_Y，和非万古霉素的药敏试验信息K(c2)_N；
第十四过滤模块，用于基于培养结果，将所述药敏试验信息K(a)_Y划分为培养结果是鲍曼不动杆菌或铜绿假单胞菌的药敏试验信息K(b3)_Y和培养结果不是鲍曼不动杆菌、铜绿假单胞菌的药敏试验信息K(b3)_N；
第十五过滤模块，用于基于药敏药物，将所述药敏试验信息K(b3)_Y划分药敏药物为指定耐碳青霉烯类范围内的药敏试验信息K(c3)_Y，和非指定内容中的药敏试验信息K(c3)_N；
第十六过滤模块，用于基于培养结果，将所述药敏试验信息K(a)_Y划分为培养结果是黄金色葡萄球菌的药敏试验信息K(b4)_Y和培养结果不是黄金色葡萄球菌的药敏试验信息K(b4)_N；
第十七过滤模块，用于基于药敏药物，将所述药敏试验信息K(b4)_Y划分药敏药物为甲氧西林的药敏试验信息K(c4)_Y，和药敏药物为其他的药敏试验信息K(c4)_N；
合并与过滤模块，用于合并所述K(c1)_Y、K(c2)_Y、K(c3)_Y、K(c4)_Y得到药敏试验信息K(d)，基于药敏结果，将所述药敏试验信息K(d)划分为药敏结果是中介或耐药的药敏试验信息K(e)_Y和药敏结果不是中介和耐药的药敏试验信息K(e)_N；
输出模块，用于基于所述药敏试验信息K(e)_Y中记录的条数输出住院患者中检出多耐药例次数。
7.根据权利要求6所述的管理系统，其特征在于，所述住院过程信息包括患者病案号、入院科室、入院时间、出院科室、出院时间；所述转科信息包括患者病案号、科室、入科时间、出科时间；所述细菌培养信息包括患者病案号、送检科室、项目名称、采样时间、报告时间、培养结果、样本、样本号、类型；所述药敏试验信息包括患者病案号、送检科室、采样时间、培养结果、样本号、药敏药物和药敏结果。
8.根据权利要求7所述的管理系统，其特征在于，所述第一过滤模块包括：统计时间的范围为t1-t2；若转科入科时间、转科出科时间均小于t1，或转科入科时间、转科出科时间均大于t2，则属于与统计时间不交叉的的转科信息B(a)_Y，并进行滤除。
9.根据权利要求7所述的管理系统，其特征在于，所述第四过滤模块包括：参数g.MNC为入院时间in_time和出院时间out_time构成的数组[in_time，out_time]，若采样时间大于等于in_time、小于等于out_time，则属于在患者住院期间送检的细菌培养信息J(a)_Y。
10.根据权利要求7所述的管理系统，其特征在于，所述第五过滤模块包括：统计时间的范围为t1-t2；若采样时间大于等于t1，小于等于t2，则属于在统计时间送检的细菌培养信息J(b)_Y。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011271360.7A CN112582042A (zh) | 2020-11-13 | 2020-11-13 | 基于MapReduce及大数据管理同期检出感染多耐药菌例次数的方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011271360.7A CN112582042A (zh) | 2020-11-13 | 2020-11-13 | 基于MapReduce及大数据管理同期检出感染多耐药菌例次数的方法及系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN112582042A true CN112582042A (zh) | 2021-03-30 |
Family
ID=75122479
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011271360.7A Pending CN112582042A (zh) | 2020-11-13 | 2020-11-13 | 基于MapReduce及大数据管理同期检出感染多耐药菌例次数的方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112582042A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114121246A (zh) * | 2021-11-24 | 2022-03-01 | 杭州杏林信息科技有限公司 | 一种医院环境清洁消毒的管理方法及系统 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1635150A (zh) * | 2004-10-21 | 2005-07-06 | 复旦大学附属华山医院 | 耐药菌检测芯片及其制备方法和应用方法 |
| CN103310104A (zh) * | 2013-06-14 | 2013-09-18 | 浙江大学 | 细菌耐药监测体系 |
| CN111261304A (zh) * | 2020-01-21 | 2020-06-09 | 杭州杏林信息科技有限公司 | 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 |
| CN111309781A (zh) * | 2020-01-21 | 2020-06-19 | 杭州杏林信息科技有限公司 | 统计抗菌药物治疗前病原学送检人数的方法及设备 |
| AU2020101023A4 (en) * | 2020-06-16 | 2020-07-23 | Guizhou Minzu University | A Novel Deep Learning Approach for Distributed Traffic Flow Forecasting |
-
2020
- 2020-11-13 CN CN202011271360.7A patent/CN112582042A/zh active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1635150A (zh) * | 2004-10-21 | 2005-07-06 | 复旦大学附属华山医院 | 耐药菌检测芯片及其制备方法和应用方法 |
| CN103310104A (zh) * | 2013-06-14 | 2013-09-18 | 浙江大学 | 细菌耐药监测体系 |
| CN111261304A (zh) * | 2020-01-21 | 2020-06-09 | 杭州杏林信息科技有限公司 | 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 |
| CN111309781A (zh) * | 2020-01-21 | 2020-06-19 | 杭州杏林信息科技有限公司 | 统计抗菌药物治疗前病原学送检人数的方法及设备 |
| AU2020101023A4 (en) * | 2020-06-16 | 2020-07-23 | Guizhou Minzu University | A Novel Deep Learning Approach for Distributed Traffic Flow Forecasting |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114121246A (zh) * | 2021-11-24 | 2022-03-01 | 杭州杏林信息科技有限公司 | 一种医院环境清洁消毒的管理方法及系统 |
| CN114121246B (zh) * | 2021-11-24 | 2022-06-21 | 杭州杏林信息科技有限公司 | 一种医院环境清洁消毒的管理方法及系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Leal et al. | Development of a novel electronic surveillance system for monitoring of bloodstream infections | |
| CN111309781B (zh) | 统计抗菌药物治疗前病原学送检人数的方法及设备 | |
| Du et al. | Real-time automatic hospital-wide surveillance of nosocomial infections and outbreaks in a large Chinese tertiary hospital | |
| Leal et al. | Validity of electronic surveillance systems: a systematic review | |
| Osowicki et al. | Australia‐wide point prevalence survey of the use and appropriateness of antimicrobial prescribing for children in hospital | |
| 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 | |
| Bishop et al. | Similarities and differences in antimicrobial prescribing between major city hospitals and regional and remote hospitals in Australia | |
| Arcenillas et al. | Assessment of quality indicators for appropriate antibiotic use | |
| Bouganim et al. | The clinical and molecular epidemiology of noncarbapenemase-producing carbapenem-resistant Enterobacteriaceae: a case-case-control matched analysis | |
| Raka et al. | Point prevalence survey of healthcare-associated infections and antimicrobial use in Kosovo hospitals | |
| Scholze et al. | The reduction in antibiotic use in hospitals: a retrospective single-center study on microbiological characteristics and mortality | |
| CN114171148B (zh) | 聚集性传染路线监测方法、装置、设备及存储介质 | |
| Weber et al. | Antibiotic prescribing upon discharge from the hospital to long-term care facilities: implications for antimicrobial stewardship requirements in post-acute settings | |
| Ten Hove et al. | Profiling of antibiotic resistance of bacterial species recovered from routine clinical isolates in Ethiopia | |
| CN113362965A (zh) | 用于医院病原菌耐药性监测系统及方法 | |
| CN112582042A (zh) | 基于MapReduce及大数据管理同期检出感染多耐药菌例次数的方法及系统 | |
| Teratani et al. | Pattern of antibiotic prescriptions for outpatients with acute respiratory tract infections in Japan, 2013–15: a retrospective observational study | |
| Moser et al. | Application of data mining to intensive care unit microbiologic data. | |
| Schmid et al. | Effects of state opioid prescribing cap laws on opioid prescribing after surgery | |
| Delate et al. | Ambulatory-treated Clostridium difficile infection: a comparison of community-acquired vs. nosocomial infection | |
| Mathew et al. | Building knowledge and evidence base on antimicrobial resistance in Africa, through ‘One Health’based surveillance | |
| Jackson et al. | Performance of an electronic health record-based phenotype algorithm to identify community associated methicillin-resistant Staphylococcus aureus cases and controls for genetic association studies | |
| Veve et al. | Comparison of neutropenia associated with ceftaroline or ceftriaxone in patients receiving at least 7 days of therapy for severe infections | |
| CN115171918A (zh) | 一种抗菌药物临床应用监测方法、装置及设备 | |
| CN112017769A (zh) | 耐甲氧西林金黄色葡萄球菌导致医院感染人数的监测方法及系统 |
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 |