CN113674873A - 重症监护室感染目标性监测系统及建立方法 - Google Patents
重症监护室感染目标性监测系统及建立方法 Download PDFInfo
- Publication number
- CN113674873A CN113674873A CN202110995804.XA CN202110995804A CN113674873A CN 113674873 A CN113674873 A CN 113674873A CN 202110995804 A CN202110995804 A CN 202110995804A CN 113674873 A CN113674873 A CN 113674873A
- Authority
- CN
- China
- Prior art keywords
- module
- infection
- data
- tube
- risk
- 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
- 208000015181 infectious disease Diseases 0.000 title claims abstract description 136
- 238000012544 monitoring process Methods 0.000 title claims abstract description 52
- 238000000034 method Methods 0.000 title claims abstract description 34
- 238000013479 data entry Methods 0.000 claims abstract description 17
- 238000004364 calculation method Methods 0.000 claims abstract description 7
- 238000010223 real-time analysis Methods 0.000 claims abstract description 6
- 238000012216 screening Methods 0.000 claims description 52
- 230000002265 prevention Effects 0.000 claims description 20
- 238000003745 diagnosis Methods 0.000 claims description 17
- 238000012360 testing method Methods 0.000 claims description 15
- 230000000474 nursing effect Effects 0.000 claims description 12
- 230000002159 abnormal effect Effects 0.000 claims description 10
- 238000002474 experimental method Methods 0.000 claims description 10
- 210000001503 joint Anatomy 0.000 claims description 10
- 238000012423 maintenance Methods 0.000 claims description 10
- 238000011156 evaluation Methods 0.000 claims description 8
- 238000004458 analytical method Methods 0.000 claims description 6
- 201000010099 disease Diseases 0.000 claims description 4
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 claims description 4
- 239000003814 drug Substances 0.000 claims description 4
- 229940079593 drug Drugs 0.000 claims description 4
- 238000003556 assay Methods 0.000 claims description 3
- 230000006698 induction Effects 0.000 claims description 3
- 238000013441 quality evaluation Methods 0.000 claims description 3
- 230000008569 process Effects 0.000 abstract description 3
- 238000007726 management method Methods 0.000 description 11
- 230000035945 sensitivity Effects 0.000 description 10
- 206010035664 Pneumonia Diseases 0.000 description 9
- 208000019206 urinary tract infection Diseases 0.000 description 8
- 208000009470 Ventilator-Associated Pneumonia Diseases 0.000 description 6
- 210000003462 vein Anatomy 0.000 description 5
- 208000032840 Catheter-Related Infections Diseases 0.000 description 4
- 206010011409 Cross infection Diseases 0.000 description 4
- 206010064687 Device related infection Diseases 0.000 description 4
- 238000007619 statistical method Methods 0.000 description 4
- 238000007689 inspection Methods 0.000 description 3
- 206010040047 Sepsis Diseases 0.000 description 2
- 230000002776 aggregation Effects 0.000 description 2
- 238000004220 aggregation Methods 0.000 description 2
- 208000037815 bloodstream infection Diseases 0.000 description 2
- 238000009960 carding Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000008685 targeting Effects 0.000 description 2
- 206010060933 Adverse event Diseases 0.000 description 1
- 241000894006 Bacteria Species 0.000 description 1
- 206010010071 Coma Diseases 0.000 description 1
- 208000031888 Mycoses Diseases 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000017531 blood circulation Effects 0.000 description 1
- 230000000747 cardiac effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000002405 diagnostic procedure Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 238000002955 isolation Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000012502 risk assessment Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 208000024891 symptom Diseases 0.000 description 1
- 230000002485 urinary effect Effects 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
- G16H80/00—ICT specially adapted for facilitating communication between medical practitioners or patients, e.g. for collaborative diagnosis, therapy or health monitoring
-
- 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
- G16H10/20—ICT specially adapted for the handling or processing of patient-related medical or healthcare data for electronic clinical trials or questionnaires
-
- 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
- G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
-
- 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
- G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment
Landscapes
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Medical Informatics (AREA)
- Public Health (AREA)
- Biomedical Technology (AREA)
- Epidemiology (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Pathology (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
Abstract
本发明公开了一种重症监护室感染目标性监测系统及建立方法，其中监测系统包括系统设置模块、数据录入模块、数据查询模块、数据统计模块和报警模块；所述系统设置模块用于设置系统信息及修改数据；所述数据录入模块适于医护人员录入基础感染监控信息并连接医院信息系统；所述数据查询模块连接医院信息系统并适于查询医护人员所录入的基础感染监控信息；所述数据统计模块适于根据数据录入模块输入的信息进行概率计算；所述报警模块适于进行实时分析并根据预设的报警分值向管理者主动报告高危病例。本发明能够简化工作流程，减轻专职人员工作压力，科学有效地降低ICU的感染率，提高工作效率。
Description
技术领域
本发明涉及医疗信息化技术领域，尤其涉及一种重症监护室感染目标性监测系统及建立方法。
背景技术
借助大数据、云计算、物联网和移动通讯等信息技术的快速发展，大力推进护理信息化建设，积极优化护理流程，创新护理服务模式，提高护理效率和管理效能成为积极发展智慧健康护理等新型业态。
由于医院住院患者人数的增多，住院患者的高危风险监控应该更加重视。规避住院患者护理高危风险，降低住院患者护理不良事件发生率，是当前的首要任务。传统的高危风险监控管理大多数采用人为干预，作为管理者无法实时了解全院高危患者的情况。很多情况下容易发生信息延误从而造成管理不当。
重症监护室，又称加强监护病房综合治疗室，治疗、护理、康复均可同步进行，为重症或昏迷患者提供隔离场所和设备，提供最佳护理、综合治疗、医养结合，术后早期康复、关节护理运动治疗等服务。在重症监护室里的患者往往需要进行三管留置，即深静脉置管、导尿管和人工气道，在护士的操作过程中及整个留置期间均存在感染风险，除此之外，重症监护室的耐药菌感染也是值得监测的重要指标，尽可能的提前干预，以降低感染风险，保证患者安全。现有的监测主要依靠管床护士人工监测，往往发现时已经出现了明显感染现象，这样的信息延误可能会导致严重感染，为此，我们需要研发一种重症监护室感染目标性监测系统，与现有的医院信息系统对接，来解决现有问题。
发明内容
本发明的目的是针对现有技术的不足之处而提出一种重症监护室医院感染目标性监测系统及建立方法，对重症监护室的深静脉置管，导尿管，人工气道进行感控监测，对多重耐药菌进行监测，简化工作流程，减轻专职人员工作压力，科学有效地降低ICU的感染率，提高工作效率。
实现本发明目的技术方案是：
一种重症监护室感染目标性监测系统，包括系统设置模块、数据录入模块、数据查询模块、数据统计模块和报警模块；所述系统设置模块用于设置系统信息及修改数据；所述数据录入模块适于医护人员录入基础感染监控信息并连接医院信息系统；所述数据查询模块连接医院信息系统并适于查询医护人员所录入的基础感染监控信息；所述数据统计模块适于根据数据录入模块输入的信息进行概率计算；所述报警模块适于进行实时分析并根据预设的报警分值向管理者主动报告高危病例。
进一步地，所述系统设置模块包括基础设置模块、用户权限设置模块、密码更改模块和数据修改模块。
进一步地，所述数据录入模块包括三管感染风险筛查录入模块、异常化验指标录入模块以及既往病史录入模块；所述异常化验指标录入模块和既往病史录入模块分别对接医院信息系统的检验科系统和电子病历系统。
进一步地，所述数据查询模块包括与数据录入模块对接的三管感染查询模块和耐药感染查询模块以及与医院信息系统相对接的检验异常查询模块。
进一步地，所述数据统计模块包括三管置管操作规范统计模块、三管维护操作规范统计模块和三管感染统计模块。
进一步地，所述报警模块包括分别对接数据录入模块的三管感染报警模块以及和医院信息系统对接的异常化验报警模块。
一种重症监护室感染目标性监测系统的建立方法，包括以下几个步骤：
S1：梳理总结三管的最佳防控证据；
S2：依据步骤S1的最佳防控证据，在头脑风暴及专家咨询的基础上初步建立三管感染风险筛查表；
S3：通过临床预实验，修改并完善步骤S2的三管感染风险筛查表；
S4：通过临床正式实验，搜集三管感染数据；
S5：对步骤S4收集到的数据进行分析，确定三管感染风险筛查表的诊断阈值及危险程度分级并对量表进行信效度检验；
S6：针对三管感染风险筛查表危险程度分级，在循证总结、头脑风暴、专家咨询的基础上，总结得出低危、中危、高危风险的干预措施；
S7：在修订完善的三管感染风险筛查表的基础上，结合诊断阈值和干预措施，将内容信息化，形成重症监护室感染目标性监测系统。
进一步地，所述步骤S1中，建立三管防控证据检索式，根据6S循证资源金字塔模型依次进行证据检索，按照循证护理方法学，进行文献纳入、文献质量评价及证据等级的确定，最终确定三管的最佳防控证据。
进一步地，所述步骤S2包括以下步骤：
S21：对最佳防控证据进行统计、归纳和分析，从置管操作相关因素、患者相关因素、日常维护相关因素三个维度编制出三管感染风险初筛查量表初始条目池；
S22：采用专家咨询法对三管感染风险初筛量表的各条目进行优化并通过专家评定法为各条目进行权重确定；
S23：根据权重及三管感染风险初筛查量表的临床可行性进行判断，对三管感染风险初筛查量表各条目进行赋值，最终建立三管感染风险筛查表。
进一步地，所述步骤S5中，采用ROC曲线查出临界值对疾病的识别能力，选择最佳的诊断阈值以及比较至少两种的通过诊断标准对CRBSI的识别能力，并采用Youden指数来确定最佳阈值，同时采用四分位法对危险程度进行分级。
采用了上述技术方案，本发明具有以下的有益效果：
(1)本发明通过数据录入模块用于医护人员录入基础感染监控信息，同时对接医院信息系统，能够科学有效地利用现有信息，降低成本投入；通过数据查询模块便于查询医护人员所录入的基础感染监控信息以及医院信息系统内的信息；通过数据统计模块进行相关信息的概率计算；同时设置报警模块进行实时分析，并根据预设的报警分值向管理者主动报告高危病例；通过各模块的相互配合，对重症监护室的深静脉置管，导尿管，人工气道进行感控监测进行监测，简化工作流程，减轻专职人员工作压力，科学有效地降低ICU的感染率，提高工作效率。
(2)本发明系统设置模块包括基础设置模块、用户权限设置模块、密码更改模块和数据修改模块，满足用户个性化、权限和隐私设置需求，同时可修改错误数据，确保输入的数据准确。
(3)本发明数据录入模块通过由重症监护室医护人员从三管感染风险筛查录入模块录入每天的检查情况，同时由异常化验指标录入模块以及既往病史录入模块直接对接医院信息系统的检验科系统和电子病历系统，直接获取现有医院信息系统内记载的资料，降低监管人员劳动强度，同时确保信息覆盖更加全面，避免管控疏忽。
(4)本发明数据查询模块包括三管感染查询模块和检验异常查询模块，便于医护人员及时查询相关信息。
(5)本发明数据统计模块通过设置三管置管操作规范统计模块、三管维护操作规范统计模块和三管感染统计模块来统计三管置管操作的规范执行率、三管维护操作的规范执行率和三管感染的千日感染率，可以提供考核评价体系，让管理者能精确掌握科室感染管理情况，及时采取干预措施，避免发生感染的暴发与流行。
(6)本发明报警模块包括三管感染报警模块和异常化验报警模块，通过预警分值的设定，临床医护人员主动报告感染病例，从电子病历数据库中筛选疑似感染病例和高危人群，获得监控目标，并通过一定的干预措施对特定目标实施干预，能够快速发现感染暴发趋势，真正做到防患于未然，节省人力，提高工作效率，并能早期发现医院感染集聚性发生，防止医院感染暴发。
(7)本发明的重症监护室感染目标性监测系统的建立方法通过梳理总结最佳防控证据，初步建立三管感染风险筛查表，经临床预实验和正式试验，将搜集的三管感染数据进行分析和处理后得到干预措施，最终将以上内容信息化形成重症监护室感染目标性监测系统，整个过程科学严谨，充分利用计算机终端、局域网和互联网技术等强大的信息化工具，简化工作流程，减轻医护人员工作压力，有效提高感染控制管理质量，建立感染控制信息管理系统，获得最准确的数据，科学有效地利用信息，降低医院感染率，提高工作效率。
(8)本发明采用科学的循证方法查找三管的最佳证据，制定重症监护室三管感染风险筛查表，并应用到临床，以解决感染统计中数据的复杂逻辑关系问题，确保感染控制科学有效，进一步降低医院感染率。
附图说明
为了使本发明的内容更容易被清楚地理解，下面根据具体实施例并结合附图，对本发明作进一步详细的说明，其中：
图1为本发明重症监护室感染目标性监测系统的建立方法的流程图；
图2为本发明中心静脉导管相关感染的ROC曲线图；
图3为本发明呼吸机相关性肺炎感染的ROC曲线图；
图4为本发明留置导尿管相关性尿路感染的ROC曲线图。
具体实施方式
为了更好的理解上述技术方案，下面将结合说明书附图以及具体的实施方式对上述技术方案进行详细的说明。
(实施例1)
如图1至图4所示的重症监护室感染目标性监测系统，包括系统设置模块、数据录入模块、数据查询模块、数据统计模块和报警模块。医护人员通过数据录入模块录入基础感染监控信息，同时数据录入模块对接医院信息系统，能够科学有效地利用现有信息，降低成本投入；使用者通过数据查询模块能够快速查询医护人员所录入的基础感染监控信息以及医院信息系统内的信息，使用方便；通过设置数据统计模块进行相关信息的概率计算；同时设置报警模块进行实时分析，并根据预设的报警分值向管理者主动报告高危病例；通过各模块的相互配合，对重症监护室的深静脉置管，导尿管，人工气道进行感控监测进行监测，简化工作流程，减轻专职人员工作压力，科学有效地降低ICU的感染率，提高工作效率。
具体地，系统设置模块用于设置系统信息及修改数据，包括基础设置模块、用户权限设置模块、密码更改模块和数据修改模块，满足用户个性化、权限和隐私设置需求，同时可修改错误数据，避免由于人为粗心导致录入数据错误而导致的后期统计分析错误，确保输入的数据准确。
数据录入模块适于医护人员录入基础感染监控信息并连接医院信息系统，包括三管感染风险筛查录入模块、异常化验指标录入模块以及既往病史录入模块。重症监护室医护人员将每天的检查结果通过三管感染风险筛查录入模块录入系统；异常化验指标录入模块和既往病史录入模块分别对接医院信息系统的检验科系统和电子病历系统，可直接获取现有医院信息系统内记载的资料，降低监管人员劳动强度，同时确保信息覆盖更加全面，避免管控疏忽。
数据查询模块包括与数据录入模块对接的三管感染查询模块与医院信息系统相对接的检验异常查询模块，便于医护人员及时查询相关信息。
数据统计模块适于根据数据录入模块输入的信息进行概率计算，包括三管置管操作规范统计模块、三管维护操作规范统计模块和三管感染统计模块，分别用来统计三管置管操作的规范执行率、三管维护操作的规范执行率和三管感染的千日感染率，可以提供考核评价体系，让管理者能精确掌握科室感染管理情况，及时采取干预措施，避免发生感染的暴发与流行。
报警模块适于进行实时分析并根据预设的报警分值向管理者主动报告高危病例，包括分别对接数据录入模块的三管感染报警模块以及和医院信息系统对接的异常化验报警模块。通过预警分值的设定，临床医护人员主动报告感染病例，系统自动从电子病历数据库中筛选疑似感染病例和高危人群，从而获得监控目标，并通过一定的干预措施对特定目标实施干预，能够快速发现感染暴发趋势，真正做到防患于未然，节省人力，提高工作效率，并能早期发现医院感染集聚性发生，防止医院感染暴发。
本实施例的重症监护室感染目标性监测系统的建立方法，包括以下几个步骤：
S1：梳理总结三管的最佳防控证据；首先建立三管防控证据分别建立中、英文检索式，根据6S循证资源金字塔模型自上而下依次检索数据库和网站，按照循证护理方法学，进行文献纳入、文献质量评价及证据等级的确定，最终确定三管的最佳防控证据。
S2：依据步骤S1的最佳防控证据，在头脑风暴及专家咨询的基础上初步建立三管感染风险筛查表，具体包括以下步骤：
S21：对最佳防控证据进行统计、归纳和分析，从置管操作相关因素、患者相关因素、日常维护相关因素三个维度编制出三管感染风险初筛查量表初始条目池初稿，通过多次集体会议，采用头脑风暴的方式，对各项条目进行逐条分析讨论并修改，初步建立三管感染风险初筛查量表初始条目池；
S22：采用专家咨询法对三管感染风险初筛量表的各条目进行优化并通过专家评定法为各条目进行权重确定；具体包括是否遗漏、是否表述不清、设置是否合理等，同时征集专家意见，评价各条目在初筛表中的赋值准确性及合理性，同时就三个维度的重要性打分，总和为100分；就每个维度的各自条目的重要性打分，每个维度下各自条目评分的总和为100分；
S23：根据权重及三管感染风险初筛查量表的临床可行性进行判断，对三管感染风险初筛查量表各条目进行赋值，最终建立三管感染风险筛查表。
S3：通过临床预实验，采用方便抽样法，选取重症监护室20例符合纳入标准的患者进行预测试，进一步修改三管感染风险初筛查量表相关条目的语言表达，修改并完善步骤S2的三管感染风险筛查表；
S4：通过临床正式实验，搜集三管感染数据；具体地，分析重症监护室留置深静脉、导尿管、人工气道的患者各150例，回顾患者的临床资料，包括留置三管时相关操作、患者的基础状况、疾病及伴随症状、维护相关因素等，采用三管感染风险筛查表对符合纳入三管诊断标准的患者进行风险评估，其中CRBSI诊断标准依据采用《血管内导管相关感染的预防与治疗指南(2011版)》，呼吸机相关性肺炎诊断标准依据《呼吸机相关性肺炎诊断、预防和治疗指南(2013版)》，导尿管相关性尿路感染诊断标准依据《导尿管相关尿路感染预防与控制技术指南(2010版)》。
S5：对步骤S4收集到的数据进行分析，采用ROC曲线查出临界值对疾病的识别能力，选择最佳的诊断阈值以及比较至少两种的通过诊断标准对CRBSI的识别能力，ROC曲线下面积越大，说明其的诊断效能越大。当0.7≤曲线面积≤0.9时，表明诊断标准具有一定的准确性；当曲线面积>0.9时，表明诊断标准具有较高的准确性。
采用Youden指数来确定最佳阈值，YI的值在-1～1之间，其值越大，说名诊断性试验的真实性越好，当YI≤0时，该诊断标准无任何临床应用价值，其计算公式为YI＝敏感度+特异性-1
同时采用四分位法对危险程度进行分级并对量表进行信效度检验；量表的内部一致性分析显示，中央静脉导管相关血流感染筛查量表的Cronbach’sa系数为0.922，三个维度的Cronbach’sa系数分别为0.892、0.912、0.896；呼吸机相关性肺炎感染筛查量表的Cronbach’sa系数为0.894，三个维度的Cronbach’sa系数分别为0.882、0.902、0.916；留置尿管相关性尿路感染筛查量表的Cronbach’sa系数为0.904，三个维度的Cronbach’sa系数分别为0.899、0.922、0.931，反映了三管感染筛查量表测量结果的内部一致性程度高，信度较好。
根据专家咨询结果，内容效度分析显示，三管感染筛查量表的内容效度指数分别为0.944、0.917、0.894，各条目的内容效度指数为0.812～1.000，表明三管感染筛查量表的内容效度良好；因该表的条目均是影响CRBSI、VAP、CAUTI的危险因素，且条目来自于现有研究和临床工作人员的经验，能够很好的反映三管感染的概念，因此具有较好的表面效度。
S6：针对三管感染风险筛查表危险程度分级，在循证总结、头脑风暴、专家咨询的基础上，总结得出低危、中危、高危风险的干预措施；
统计分析得出中心静脉导管相关感染的ROC曲线下面积为0.881，如图2所示，P＝0.007<0.01，见表1，数值>0.7说明诊断标准具有较高的准确性。
表1：中心静脉导管相关感染的ROC曲线下方的区域
检验结果变量:得分
见表2，YI的最高值为0.667，灵敏度为1.000，特异度为0.667，表明该量表的灵敏度和特异度均较高，综合诊断力较强。因此，确定中央静脉导管相关血流感染量表的诊断阈值为8.5分，但由于本量表中条目分值均为整数，考虑到本量表的诊断目的为风险筛查，故更注重量表的灵敏度，最终将诊断阈值确定为8分，即当患者评估结果大于或等于8分时，说明其具有发生CRBSI的风险。以8分为诊断阈值，共筛选出真阳性的患者40例，对真阳性患者的得分进行排序，根据四分位法对中央静脉导管相关血流感染的危险程度进行分级，取P0～P25为低危，P25～P75为中危，P75～P100为高危。得出以下结果：8～12分为低危；13～17分为中危；大于等于18分为高危。
表2：心静脉导管相关感染的ROC曲线的坐标
统计分析得出呼吸机相关性肺炎感染的ROC曲线下面积为0.929，如图3所示，P＝0.002<0.01，见表3，数值>0.7说明诊断标准具有较高的准确性。
表3：呼吸机相关性肺炎感染的ROC曲线下方的区域
检验结果变量:总分
见表4，YI的最高值为0.69，灵敏度为0.857，特异度为0.833，表明该量表的灵敏度和特异度均较高，综合诊断力较强。因此，确定呼吸机相关性肺炎感染量表的诊断阈值为10.5分，但由于本量表中条目分值均为整数，考虑到本量表的诊断目的为风险筛查，故更注重量表的灵敏度，最终将诊断阈值确定为10分，即当患者评估结果大于或等于10分时，说明其具有发生VAP的风险。以10分为诊断阈值，共筛选出真阳性的患者12例，对真阳性患者的得分进行排序，根据四分位法对呼吸机相关性肺炎感染的危险程度进行分级，取P0～P25为低危，P25～P75为中危，P75～P100为高危。得出以下结果：10～15分为低危；16～22分为中危；大于等于23分为高危。
表4：呼吸机相关性肺炎感染的ROC曲线的坐标
检验结果变量:总分
统计分析得出留置导尿管相关性尿路感染的ROC曲线下面积为0.991，如图4所示，P＝0.000<0.01，见表5，数值>0.7说明诊断标准具有较高的准确性。
表5：留置导尿管相关性尿路感染的ROC曲线下方的区域
检验结果变量:得分
见表6，YI的最高值为0.895，灵敏度为1.000，特异度为0.8953，表明该量表的灵敏度和特异度均较高，综合诊断力较强。因此，确定留置导尿管相关性尿路感染量表的诊断阈值为10.5分，但由于本量表中条目分值均为整数，考虑到本量表的诊断目的为风险筛查，故更注重量表的灵敏度，最终将诊断阈值确定为10分，即当患者评估结果大于或等于10分时，说明其具有发生CAUTI的风险。以10分为诊断阈值，共筛选出真阳性的患者24例，对真阳性患者的得分进行排序，根据四分位法对留置导尿管感染的危险程度进行分级，取P0～P25为低危，P25～P75为中危，P75～P100为高危。得出以下结果：10～14分为低危；15～19分为中危；大于等于20分为高危。
表6：留置导尿管相关性尿路感染的ROC曲线的坐标
检验结果变量:得分
S7：在修订完善的三管感染风险筛查表的基础上，结合诊断阈值和干预措施，将内容信息化，最终形成重症监护室感染目标性监测系统。
本发明的重症监护室感染目标性监测系统的建立方法通过梳理总结最佳防控证据，初步建立三管感染风险筛查表，经临床预实验和正式试验，将搜集的三管感染数据进行分析和处理后得到干预措施，最终将以上内容信息化形成重症监护室感染目标性监测系统，整个过程科学严谨，充分利用计算机终端、局域网和互联网技术等强大的信息化工具，简化工作流程，减轻医护人员工作压力，有效提高感染控制管理质量，建立感染控制信息管理系统，获得最准确的数据，科学有效地利用信息，降低医院感染率，提高工作效率。采用科学的循证方法查找三管的最佳证据，制定重症监护室三管感染风险筛查表，并应用到临床，以解决感染统计中数据的复杂逻辑关系问题，确保感染控制科学有效，进一步降低医院感染率。
以上所述的具体实施例，对本发明的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本发明的具体实施例而已，并不用于限制本发明，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (10)
1.一种重症监护室感染目标性监测系统，其特征在于：包括系统设置模块、数据录入模块、数据查询模块、数据统计模块和报警模块；所述系统设置模块用于设置系统信息及修改数据；所述数据录入模块适于医护人员录入基础感染监控信息并连接医院信息系统；所述数据查询模块连接医院信息系统并适于查询医护人员所录入的基础感染监控信息；所述数据统计模块适于根据数据录入模块输入的信息进行概率计算；所述报警模块适于进行实时分析并根据预设的报警分值向管理者主动报告高危病例。
2.根据权利要求1所述的一种重症监护室感染目标性监测系统，其特征在于：所述系统设置模块包括基础设置模块、用户权限设置模块、密码更改模块和数据修改模块。
3.根据权利要求1所述的一种重症监护室感染目标性监测系统，其特征在于：所述数据录入模块包括三管感染风险筛查录入模块、异常化验指标录入模块以及既往病史录入模块；所述异常化验指标录入模块和既往病史录入模块分别对接医院信息系统的检验科系统和电子病历系统。
4.根据权利要求1所述的一种重症监护室感染目标性监测系统，其特征在于：所述数据查询模块包括与数据录入模块对接的三管感染查询模块与医院信息系统相对接的检验异常查询模块。
5.根据权利要求1所述的一种重症监护室感染目标性监测系统，其特征在于：所述数据统计模块包括三管置管操作规范统计模块、三管维护操作规范统计模块和三管感染统计模块。
6.根据权利要求1所述的一种重症监护室感染目标性监测系统，其特征在于：所述报警模块包括分别对接数据录入模块的三管感染报警模块以及和医院信息系统对接的异常化验报警模块。
7.一种重症监护室感染目标性监测系统的建立方法，其特征在于，包括以下几个步骤：
S1：梳理总结三管的最佳防控证据；
S2：依据步骤S1的最佳防控证据，在头脑风暴及专家咨询的基础上初步建立三管感染风险筛查表；
S3：通过临床预实验，修改并完善步骤S2的三管感染风险筛查表；
S4：通过临床正式实验，搜集三管感染数据；
S5：对步骤S4收集到的数据进行分析，确定三管感染风险筛查表的诊断阈值及危险程度分级并对量表进行信效度检验；
S6：针对三管感染风险筛查表危险程度分级，在循证总结、头脑风暴、专家咨询的基础上，总结得出低危、中危、高危风险的干预措施；
S7：在修订完善的三管感染风险筛查表的基础上，结合诊断阈值和干预措施，将内容信息化形成重症监护室感染目标性监测系统。
8.根据权利要求7所述的一种重症监护室感染目标性监测系统的建立方法，其特征在于：所述步骤S1中，建立三管及多重耐药菌防控证据检索式，根据6S循证资源金字塔模型依次进行证据检索，按照循证护理方法学，进行文献纳入、文献质量评价及证据等级的确定，最终确定三管及多重耐药菌的最佳防控证据。
9.根据权利要求7所述的一种重症监护室感染目标性监测系统的建立方法，其特征在于，所述步骤S2包括以下步骤：
S21：对最佳防控证据进行统计、归纳和分析，从置管操作相关因素、患者相关因素、日常维护相关因素三个维度编制出三管感染风险初筛查量表初始条目池；
S22：采用专家咨询法对三管感染风险初筛量表的各条目进行优化并通过专家评定法为各条目进行权重确定；
S23：根据权重及三管感染风险初筛查量表的临床可行性进行判断，对三管感染风险初筛查量表各条目进行赋值，最终建立三管感染风险筛查表。
10.根据权利要求7所述的一种重症监护室感染目标性监测系统的建立方法，其特征在于：所述步骤S5中，采用ROC曲线查出临界值对疾病的识别能力，选择最佳的诊断阈值以及比较至少两种的通过诊断标准对CRBSI的识别能力，并采用Youden指数来确定最佳阈值，同时采用四分位法对危险程度进行分级。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110995804.XA CN113674873A (zh) | 2021-08-27 | 2021-08-27 | 重症监护室感染目标性监测系统及建立方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110995804.XA CN113674873A (zh) | 2021-08-27 | 2021-08-27 | 重症监护室感染目标性监测系统及建立方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN113674873A true CN113674873A (zh) | 2021-11-19 |
Family
ID=78546956
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110995804.XA Pending CN113674873A (zh) | 2021-08-27 | 2021-08-27 | 重症监护室感染目标性监测系统及建立方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113674873A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117612725A (zh) * | 2024-01-23 | 2024-02-27 | 南通大学附属医院 | 一种用于重症监护室的呼吸机警报管理方法及系统 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101795707A (zh) * | 2007-08-08 | 2010-08-04 | 康尤戈恩公司 | 用于微生物贮藏和递送的组合物和方法 |
| CN105893725A (zh) * | 2014-11-13 | 2016-08-24 | 北京众智汇医科技有限公司 | 一种医院感染预防与控制全流程管理系统及其方法 |
| CN112466443A (zh) * | 2020-11-03 | 2021-03-09 | 上海集迈实业有限公司 | 一种远程在线移动智能查房系统平台 |
-
2021
- 2021-08-27 CN CN202110995804.XA patent/CN113674873A/zh active Pending
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101795707A (zh) * | 2007-08-08 | 2010-08-04 | 康尤戈恩公司 | 用于微生物贮藏和递送的组合物和方法 |
| CN105893725A (zh) * | 2014-11-13 | 2016-08-24 | 北京众智汇医科技有限公司 | 一种医院感染预防与控制全流程管理系统及其方法 |
| CN112466443A (zh) * | 2020-11-03 | 2021-03-09 | 上海集迈实业有限公司 | 一种远程在线移动智能查房系统平台 |
Non-Patent Citations (4)
| Title |
|---|
| 徐秀华: "《临床医院感染学》", 1 August 2005, 湖南科技出版社, pages: 128 - 135 * |
| 王晓民，郜恒骏: "《临床生物样本库的探索与实践》", 31 December 2017, 上海交通大学出版社, pages: 112 - 117 * |
| 章世松: "《非典型肺炎防治技术与突发性传染病应急诊治及监控实用手册 》", 30 April 2003, 北京北大方正电子出版社, pages: 274 - 280 * |
| 赵晓平: "《中西医结合神经外科研究与实践》", 1 April 2017, 西安交通大学出版社, pages: 101 - 106 * |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117612725A (zh) * | 2024-01-23 | 2024-02-27 | 南通大学附属医院 | 一种用于重症监护室的呼吸机警报管理方法及系统 |
| CN117612725B (zh) * | 2024-01-23 | 2024-03-29 | 南通大学附属医院 | 一种用于重症监护室的呼吸机警报管理方法及系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Groseclose et al. | Public health surveillance systems: recent advances in their use and evaluation | |
| TWI451354B (zh) | 一種高效率整合式院內感染監視和早期偵測系統及方法 | |
| US20210011005A1 (en) | Systems and methods for evaluating immune response to infection | |
| US20190324035A1 (en) | Sepsis infection determination systems and methods | |
| Farenden et al. | Impact of implementation of the National Early Warning Score on patients and staff | |
| US20230160805A1 (en) | Detection of medical condition, severity, risk, and acuity using parameters | |
| Jurić | Google Trends as a method to predict new COVID-19 cases | |
| de Sousa et al. | Systematic review and meta‐analysis of the accuracy of clinical indicators for ineffective airway clearance | |
| Gundlapalli et al. | Hospital electronic medical record–based public health surveillance system deployed during the 2002 Winter Olympic Games | |
| CN113674873A (zh) | 重症监护室感染目标性监测系统及建立方法 | |
| Simon et al. | Diagnostic performance of emergency physician gestalt for predicting acute appendicitis in patients age 5 to 20 years | |
| JP5800165B2 (ja) | 感染対策指標の評価方法および装置 | |
| Yurtlu et al. | Comparison of risk scoring systems to predict the outcome in ASA-PS V patients undergoing surgery: a retrospective cohort study | |
| Junger et al. | Automatic calculation of a modified APACHE II score using a patient data management system (PDMS) | |
| US20230165492A1 (en) | Method of Detecting Sepsis Using Primary and Secondary Hematology Parameters | |
| Monaghan et al. | Artificial intelligence for covid-19 risk classification in kidney disease: Can technology unmask an unseen disease? | |
| CN116597981A (zh) | 一种结合数字孪生技术进行慢阻肺疾病防治管理的方法 | |
| May et al. | Emergency department chief complaint and diagnosis data to detect influenza-like illness with an electronic medical record | |
| Farahany et al. | Oversampling techniques for predicting COVID-19 patient length of stay | |
| Rohloff et al. | Which objective parameters are associated with a positive urine culture in the setting of ureteral calculi: The ureteral calculi urinary culture calculator | |
| Beane et al. | Comparison of quick sequential organ failure assessment and modified systemic inflammatory response syndrome criteria in a lower middle income setting | |
| CN113707295A (zh) | 老年人术后全身炎症反应综合征的预测方法及系统 | |
| Mohan et al. | Comparison of the Aotearoa New Zealand Early Warning Score and National Early Warning Score to predict adverse inpatient events in a vital sign dataset | |
| Natarajan et al. | Intelligent decision support system for pulmonary tuberculosis detection using bipolar fuzzy utility matrix and bipolar Mamdani fuzzy inference system | |
| Mogos et al. | Hospital-and Patient-Level Characteristics Associated With Unplanned Readmissions and In-Patient Mortality in Men and Women With Alcoholic Cardiomyopathy |
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 |