CN116386897A - 基于大数据的医疗洗涤消毒全流程智能追溯系统及方法 - Google Patents

基于大数据的医疗洗涤消毒全流程智能追溯系统及方法 Download PDF

Info

Publication number
CN116386897A
CN116386897A CN202310406801.7A CN202310406801A CN116386897A CN 116386897 A CN116386897 A CN 116386897A CN 202310406801 A CN202310406801 A CN 202310406801A CN 116386897 A CN116386897 A CN 116386897A
Authority
CN
China
Prior art keywords
washing
medical
target
medical fabric
infectious
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.)
Granted
Application number
CN202310406801.7A
Other languages
English (en)
Other versions
CN116386897B (zh
Inventor
曾紫绫
曾雄伟
李芳敏
李芳咪
李积桂
王才美
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Haikou Mingbang Industry Co ltd
Original Assignee
Haikou Mingbang Industry Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Haikou Mingbang Industry Co ltd filed Critical Haikou Mingbang Industry Co ltd
Priority to CN202310406801.7A priority Critical patent/CN116386897B/zh
Publication of CN116386897A publication Critical patent/CN116386897A/zh
Application granted granted Critical
Publication of CN116386897B publication Critical patent/CN116386897B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • 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
    • G16C—COMPUTATIONAL CHEMISTRY; CHEMOINFORMATICS; COMPUTATIONAL MATERIALS SCIENCE
    • G16C20/00—Chemoinformatics, i.e. ICT specially adapted for the handling of physicochemical or structural data of chemical particles, elements, compounds or mixtures
    • G16C20/20—Identification of molecular entities, parts thereof or of chemical compositions
    • 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
    • G16H40/00—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices
    • G16H40/20—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the management or administration of healthcare resources or facilities, e.g. managing hospital staff or surgery rooms
    • 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
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/30—Computing systems specially adapted for manufacturing

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Public Health (AREA)
  • Medical Informatics (AREA)
  • General Business, Economics & Management (AREA)
  • Primary Health Care (AREA)
  • Biomedical Technology (AREA)
  • Business, Economics & Management (AREA)
  • Epidemiology (AREA)
  • General Health & Medical Sciences (AREA)
  • Physics & Mathematics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • Chemical & Material Sciences (AREA)
  • Crystallography & Structural Chemistry (AREA)
  • Pathology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Computing Systems (AREA)
  • Theoretical Computer Science (AREA)
  • Medical Treatment And Welfare Office Work (AREA)
  • Apparatus For Disinfection Or Sterilisation (AREA)

Abstract

本发明公开了基于大数据的医疗洗涤消毒全流程智能追溯系统及方法，属于医疗洗涤消毒全流程追溯技术领域。本发明包括：步骤一：对目标感染性医疗织物是否会对其他感染性医疗织物造成感染进行预测；步骤二：对发生感染的其他感染性医疗织物的洗涤消毒时长进行确定；步骤三：对发生感染的感染性医疗织物或目标感染性医疗织物产生二次感染的概率进行预测；步骤四：判断发生感染的感染性医疗织物或目标感染性医疗织物的消毒过程是否异常。本发明根据破损程度和各感染性医疗织物的放置位置，对发生感染的感染性医疗织物的感染时间进行追溯，同时也可对分拣流程中存在的感染情况进行预测，进一步提高了系统的追溯效果。

Description

基于大数据的医疗洗涤消毒全流程智能追溯系统及方法
技术领域
本发明涉及医疗洗涤消毒全流程追溯技术领域，具体为基于大数据的医疗洗涤消毒全流程智能追溯系统及方法。
背景技术
医疗织物指医院内可重复使用的纺织品，包括患者使用的衣物、床单、被罩、枕套，工作人员使用的工作服、帽、手术衣和手术床铺等，由于医院是收容和治疗病人的服务场所，因此，重症病患者使用的医疗织物(例如病患服)经常会携带一些感染性病原菌，若不对患者使用的医疗织物进行洗涤消毒处理，则会造成院内的大面积病毒感染。
医疗织物在送往医疗洗涤消毒中心进行洗涤消毒时，无法对医疗织物的洗涤消毒全流程进行监控，即无法知晓感染性医疗织物是否会对不同医疗机构或同医疗机构的其他感染性医疗织物造成感染，以及无法对造成感染的程度、时间和感染源进行确定，以及无法根据感染性医疗织物的感染情况，对发生感染的感染性医疗织物的洗涤消毒情况作出适应性调整，从而导致对应的感染性医疗织物在洗涤消毒处理后仍存在传染性病菌，降低了医疗洗涤消毒中心对医用织物的消毒效果，同时无法判断感染性医疗织物在洗涤消毒过程中是否会发生二次感染。
发明内容
本发明的目的在于提供基于大数据的医疗洗涤消毒全流程智能追溯系统及方法，以解决上述背景技术中提出的问题。
为了解决上述技术问题，本发明提供如下技术方案：基于大数据的医疗洗涤消毒全流程智能追溯方法，所述方法包括：
步骤一：对感染性医疗织物进行分拣，根据分拣位置、分拣时间和分拣情况，对目标感染性医疗织物是否会对其他感染性医疗织物造成感染进行预测；
步骤二：通过大数据对目标感染性医疗织物和步骤一中预测的发生感染的其他感染性医疗织物的过往洗涤消毒情况进行获取，根据获取信息，对发生感染的其他感染性医疗织物的洗涤消毒时长进行确定；
步骤三：将发生感染的感染性医疗织物和目标感染性医疗织物分别运输至不同的隔离洗涤区进行洗涤处理，在发生感染的感染性医疗织物或目标感染性医疗织物被取出洗涤设备时，分别对发生感染的感染性医疗织物或目标感染性医疗织物在取出时的抖动时长、抖动次数和抖动范围进行获取，根据获取信息，结合洗涤人员对对洗涤设备和洗涤区域的消毒情况，对发生感染的感染性医疗织物或目标感染性医疗织物产生二次感染的概率进行预测；
步骤四：根据步骤三中预测的发生感染的感染性医疗织物和目标感染医疗织物产生二次感染的概率，对洗涤处理后的各感染性医疗织物的消毒程度进行确定，在消毒完成后对发生感染的感染性医疗织物和目标感染医疗织物的感官指标和微生物指标进行检查，将检查结果与标准结果进行对比，根据对比值对发生感染的感染性医疗织物或目标感染性医疗织物的洗涤质量进行评估，基于评估结果，判断发生感染的感染性医疗织物或目标感染性医疗织物的消毒过程是否异常。
进一步的，所述步骤一包括：
S11：在对感染性医疗织物进行分拣前，根据不同医疗机构存放在医疗洗涤消毒中心的感染性医疗织物的存放时间和存放量，对各医疗机构存放的感染性医疗织物的分拣时间和分拣时长进行确定，感染性医疗织物的存放时间不应超过48小时；
S12：感染性医疗织物在分拣前所处环境温度均为理想温度，对盛装各感染性医疗织物的水溶性包装袋的初始含水率进行获取(初始含水率指感染性医疗织物运输至医疗洗涤消毒中心时的含水率)，根据开始分拣时间(开始分拣时间指分拣人员开始分拣第一个感染性医疗织物时对应的时间)、各感染性医疗织物放置位置对应的环境湿度和通风情况，对各感染性医疗织物在开始分拣前的含水率进行确定，将确定的含水率与平衡含水率进行对比，若含水率＞平衡含水率，则判断对应感染性医疗织物会对空气造成感染，反之，则判断对应感染性医疗织物不会对空气造成感染；
所述对各感染性医疗织物在开始分拣前的含水率进行确定的具体公式Wi为：
Figure BDA0004181712390000021
其中，i＝1,2,…,p，表示感染性医疗织物对应的编号，p表示感染性医疗织物总量，Hi表示盛装编号为i的感染性医疗织物的水溶性包装袋对应的初始含水率，Yi表示分拣前编号为i的感染性医疗织物放置位置对应的平均环境湿度值，Y＇表示设定的干燥湿度值，Si表示编号为i的感染性医疗织物放置位置对应的平均通风量，β表示水溶性包装袋在单位湿度下对应的吸水率，ti表示分拣前编号为i的感染性医疗织物放置在对应位置的总时长，di表示编号为i的感染性医疗织物距离通风口的直线距离，
Figure BDA0004181712390000031
表示风通过通风口能够到达的最远距离，D表示大于零的常数，当/>
Figure BDA0004181712390000032
时，令/>
Figure BDA0004181712390000033
当/>
Figure BDA0004181712390000034
时，令/>
Figure BDA0004181712390000035
Figure BDA0004181712390000036
Wi表示编号为i的感染性医疗织物在开始分拣前的含水率；
S13：若S12中判断对应感染性医疗织物会对空气造成感染，则优先对对应感染性医疗织物进行分拣，并在分拣后对对应感染性医疗织物的放置位置进行消毒处理，同时对各医疗机构存放的感染性医疗织物的分拣时间和分拣时长进行调整；
S14：若S12中判断对应感染性医疗织物不会对其他感染性医疗织物造成感染，则以剩余的感染性医疗织物中含水率最高的感染性医疗织物作为目标感染性医疗织物，根据目标感染性医疗织物所属医疗机构对应的分拣时长和目标感染性医疗织物放置位置的环境温度，对盛装目标感染性医疗织物的水溶性包装袋在目标医疗机构(目标医疗机构指目标感染性医疗织物所属的医疗机构)存放的感染性医疗织物全部被分拣后对应的破损程度进行预测，具体的预测方法为：
利用公式
Figure BDA0004181712390000038
对盛装目标感染性医疗织物的水溶性包装袋含水率从Wi到达平衡含水率时所耗费的时长进行计算；
判断盛装目标感染性医疗织物的水溶性包装袋到达平衡含水率时目标医疗机构存放的感染性医疗织物的分拣是否结束，若分拣结束，则在目标感染性医疗织物被分拣前对目标感染性医疗织物放置位置对应的环境温度变化情况，以及盛装目标感染性医疗织物的水溶性包装袋的水溶温度进行获取，当获取的目标感染性医疗织物放置位置对应的环境温度＜盛装目标感染性医疗织物的水溶性包装袋的水溶温度恒成立时，Q＝0，当存在获取的目标感染性医疗织物放置位置对应的环境温度≥盛装目标感染性医疗织物的水溶性包装袋的水溶温度时，Q＝T1*α；
若分拣未结束，则判断目标感染性医疗织物被分拣前其放置位置对应的环境温度是否能够达到水溶温度，若能够达到水溶温度，则对达到水溶温度的时间进行获取，将获取时间值与盛装目标感染性医疗织物的水溶性包装袋到达平衡含水率的时间值进行比较，若获取时间值≥盛装目标感染性医疗织物的水溶性包装袋到达平衡含水率的时间值，则Q＝(T-Ta)*α，若获取时间值＜盛装目标感染性医疗织物的水溶性包装袋到达平衡含水率的时间值，则Q＝T1*α，若不能够达到水溶温度，则Q＝(T-Ta)*α；
其中，T表示目标医疗机构对应的分拣时长，
Figure BDA0004181712390000037
表示盛装目标感染性医疗织物的水溶性包装袋对应的平衡含水率，α表示盛装目标感染性医疗织物的水溶性包装袋在达到水溶温度时，单位时间表现的溶解率，T1表示在目标医疗机构对应的分拣时长内，目标感染性医疗织物放置位置的环境温度≥盛装目标感染性医疗织物的水溶性包装袋的水溶温度所持续的时长，Ta表示盛装目标感染性医疗织物的水溶性包装袋含水率从Wi到达平衡含水率时所耗费的时长，Q表示盛装目标感染性医疗织物的水溶性包装袋在目标医疗机构存放的感染性医疗织物全部被分拣后对应的破损程度；
S15：当Q＝0时，表示目标感染性医疗织物不会对其他感染性医疗织物造成感染，当Q≠0时，若其他感染性医疗织物与目标感染性医疗织物的破损位置相接触，且其他感染性医疗织物与目标感染性医疗织物的感染源不同，则目标感染性医疗织物会对其他感染性医疗织物造成感染，若其他感染性医疗织物与目标感染性医疗织物的破损位置不接触或目标感染性医疗织物与其他感染性医疗织物的感染源不同，则目标感染性医疗织物不会对其他感染性医疗织物造成感染，其他感染性医疗织物指剩余的感染性医疗织物中除去目标感染性医疗织物以外的感染性医疗织物。
进一步的，所述步骤二包括：
S21：通过大数据对目标感染性医疗织物和S15中预测的发生感染的其他感染性医疗织物的过往洗涤消毒时长和洗涤消毒次数进行获取；
S22：基于发生感染的其他感染性医疗织物和目标感染性医疗织物的平均洗涤消毒时长，结合S21中获取的发生感染的其他感染性医疗织物的过往洗涤消毒次数，对发生感染的感染性医疗织物的洗涤消毒时长进行确定，具体的确定公式Ri为：
Figure BDA0004181712390000041
其中，j＝1,2,…,m，表示会造成感染的目标感染性医疗织物对应的编号，m表示会造成感染的目标感染性医疗织物总数，z＝1,2,…,q，表示发生感染的感染性医疗织物对应的编号，q表示发生感染的感染性医疗织物总数，ri表示编号为i的发生感染的感染性医疗织物对应的平均洗涤消毒时长，fj表示编号为j的会造成感染的目标感染性医疗织物对应的平均洗涤消毒时长，Qj表示编号为j的会造成感染的目标感染性医疗织物对应的破损程度，uji表示编号为j的会造成感染的目标感染性医疗织物与编号为i发生感染的感染性医疗织物的接触面积比(接触面积比＝造成感染的目标感染性医疗织物与发生感染的感染性医疗织物的接触面积/造成感染的感染性医疗织物的破损面积)，cj表示编号为j的会造成感染的目标感染性医疗织物对应的过往洗涤消毒次数，γ表示感染性医疗织物每洗涤消毒一次所增加的洗涤消毒时长，eji＝0或1，当eji＝0时，表示编号为j的会造成感染的目标感染性医疗织物与编号为i发生感染的感染性医疗织物的感染源相同，当eji＝1时，表示编号为j的会造成感染的目标感染性医疗织物与编号为i发生感染的感染性医疗织物的感染源不同，Ri表示编号为i的发生感染的感染性医疗织物对应的洗涤消毒时长；
S23：目标感染性医疗织物的洗涤消毒时长为洗涤消毒增加时长与平均洗涤消毒时长之间的和值，其中洗涤消毒增加时长为过往洗涤消毒次数与γ的乘积值。
进一步的，所述对发生感染的感染性医疗织物或目标感染性医疗织物产生二次感染的概率进行预测的具体方法为：
S31：洗涤人员根据S22和S23中确定的洗涤消毒时长对各感染性医疗织物进行洗涤消毒处理，对洗涤设备和洗涤区域的消毒情况进行获取，若洗涤人员在感染性医疗织物放入洗涤设备前后均对洗涤设备和洗涤区域进行消毒处理，则发生感染的感染性医疗织物或目标感染性医疗织物产生二次感染的概率为零；
S32：若洗涤人员在感染性医疗织物放入洗涤设备前后未对洗涤设备或洗涤区域进行消毒处理，则根据洗涤人员对洗涤设备和洗涤区域的消毒情况对存有传染性病源菌的区域范围进行确定，对确定的区域范围与发生感染的感染性医疗织物或目标感染性医疗织物的抖动范围对应的重合区域进行确定，基于确定的重合区域，结合发生感染的感染性医疗织物或目标感染性医疗织物在取出洗涤设备时的抖动次数，对传染性病源菌与发生感染的感染性医疗织物或目标感染性医疗织物的接触面积进行计算；
S33：根据S23中计算的接触面积，结合发生感染的感染性医疗织物或目标感染性医疗织物在取出洗涤设备时的抖动时长，对发生感染的感染性医疗织物或目标感染性医疗织物产生二次感染的概率进行预测，具体的预测公式J为：
J＝1-NV*v；
其中，V表示传染性病毒菌与发生感染的感染性医疗织物或目标感染性医疗织物的接触面积，v表示发生感染的感染性医疗织物或目标感染性医疗织物在取出时的抖动时长，N表示传染性病毒菌在单位时间内对单位面积医疗织物的感染率，J表示发生感染的感染性医疗织物或目标感染性医疗织物产生二次感染的概率。
进一步的，所述步骤四中对洗涤处理后的各感染性医疗织物的消毒程度进行确定的具体方法为：以步骤三中预测的发生感染的感染性医疗织物或目标感染性医疗织物对应的二次感染率作为比例系数，对发生感染的感染性医疗织物或目标感染性医疗织物增加的消毒力度进行确定，将增加的消毒力度与发生感染的感染性医疗织物或目标感染性医疗织物对应的平均消毒力度的和值作为洗涤处理后的对应感染性医疗织物的消毒程度。
基于大数据的医疗洗涤消毒全流程智能追溯系统，所述系统包括分拣流程追溯模块、洗涤消毒调整模块、洗涤情况分析模块、质量评估模块和智能追溯模块；
所述分拣流程追溯模块用于根据目标感染性医疗织物的分拣位置、分拣时间和分拣情况，对目标感染性医疗织物是否会对其他感染性医疗织物造成感染进行预测，并将预测结果传输至洗涤消毒调整模块；
所述洗涤消毒调整模块用于对分拣流程追溯模块传输的目标感染性医疗织物是否会对其他感染性医疗织物造成感染的预测结果进行接收，基于接收信息，通过大数据对目标感染性医疗织物和预测的发生感染的其他感染性医疗织物的过往洗涤消毒情况进行获取，根据获取信息，对发生感染的其他感染性医疗织物的洗涤消毒时长进行确定，并将确定的洗涤消毒时长传输至洗涤情况分析模块；
所述洗涤情况分析模块用于对洗涤消毒调整模块传输的洗涤消毒时长进行接收，将发生感染的感染性医疗织物和目标感染性医疗织物分区进行洗涤处理，根据发生感染的感染性医疗织物或目标感染性医疗织物在取出洗涤设备时的抖动时长、抖动次数和抖动范围，以及洗涤人员对洗涤设备和洗涤区域的消毒情况，对发生感染的感染性医疗织物或目标感染性医疗织物产生二次感染的概率进行预测，并将预测结果传输至质量评估模块；
所述质量评估模块用于对洗涤情况分析模块传输的预测结果进行接收，基于接收信息对洗涤处理后的发生感染的感染性医疗织物和目标感染医疗织物的消毒程度进行确定，在消毒完成后对发生感染的感染性医疗织物和目标感染医疗织物的感官指标和微生物指标进行检查，根据检查结果对发生感染的感染性医疗织物和目标感染医疗织物的消毒质量进行评估，基于评估结果，判断发生感染的感染性医疗织物或目标感染性医疗织物的消毒过程是否异常。
进一步的，所述分拣流程追溯模块包括分拣情况确定单元、判断单元、分拣处理单元、破损程度预测单元和感染预测单元；
所述分拣情况确定单元在感染性医疗织物分拣前，根据不同医疗机构存放在医疗洗涤消毒中心的感染性医疗织物的存放时间和存放量，对各医疗机构存放的感染性医疗织物的分拣时间和分拣时长进行确定，所述分拣情况确定单元对分拣处理单元反馈的调整结果进行接收，基于接收信息对各医疗机构存放的感染性医疗织物的分拣时间和分拣时长进行调整，并将调整后的分拣时间传输至判断单元，将调整后的分拣时长传输至破损程度预测单元；
所述判断单元对分拣情况确定单元传输的分拣时间进行接收，基于接收的分拣时间对开始分拣时间进行确定，结合各感染性医疗织物放置位置对应的环境湿度、通风情况和盛装各感染性医疗织物的水溶性包装袋的初始含水率，构建数学模型
Figure BDA0004181712390000071
Figure BDA0004181712390000072
对各感染性医疗织物在开始分拣前的含水率进行确定，将确定的含水率与平衡含水率进行对比，根据对比结果，判断对应感染性医疗织物是否会会对空气造成感染，并将判断结果分别传输至分拣处理单元和破损程度预测单元，将计算的含水率传输至破损程度预测单元；
所述分拣处理单元对判断单元传输的对应感染性医疗织物会对空气造成感染的判断结果进行接收，根据接收信息，优先对对应感染性医疗织物进行分拣，并在分拣后对对应感染性医疗织物的放置位置进行消毒处理，同时对各医疗机构存放的感染性医疗织物的分拣时间和分拣时长进行调整，并将调整结果反馈至分拣情况确定单元，将待分拣的剩余感染性医疗织物对应的编号传输至破损程度预测单元；
所述破损程度预测单元对分拣情况确定单元传输的分拣时长、判断单元传输的对应感染性医疗织物不会对空气造成感染的判断结果和计算的含水率、以及分拣处理单元传输的待分拣的剩余感染性医疗织物对应的编号进行接收，基于接收信息，对目标感染性医疗织物进行确定，根据目标感染性医疗织物所属医疗机构对应的分拣时长和目标感染性医疗织物放置位置的环境温度，对盛装目标感染性医疗织物的水溶性包装袋在目标医疗机构存放的感染性医疗织物全部被分拣后对应的破损程度进行预测，并将预测结果传输至感染预测单元；
所述感染预测单元对破损程度预测单元传输的预测结果进行接收，基于接收信息，结合各感染性医疗织物的感染源和目标感染性医疗织物与其他感染性医疗织物的接触情况，对目标感染性医疗织物是否会对其他感染性医疗织物造成感染进行预测，并将预测结果传输至洗涤消毒调整模块。
进一步的，所述洗涤消毒调整模块包括洗涤消毒信息获取单元和洗涤消毒时长确定单元；
所述洗涤消毒信息获取单元对感染预测单元传输的感染预测结果进行接收，基于接收信息，通过大数据对目标感染性医疗织物和感染预测单元预测的发生感染的其他感染性医疗织物的过往洗涤消毒时长和洗涤消毒次数进行获取，并将获取信息传输至洗涤消毒时长确定单元；
所述洗涤消毒时长确定单元对洗涤消毒信息获取单元传输的获取信息进行接收，基于接收信息，构建数学模型
Figure BDA0004181712390000081
对发生感染的感染性医疗织物的洗涤消毒时长进行确定，对目标感染性医疗织物的过往洗涤消毒次数与感染性医疗织物每洗涤消毒一次所增加的洗涤消毒时长之间的乘积进行计算，将计算结果与目标感染性医疗织物对应的平均洗涤消毒时长之间的和值进行计算，得到目标感染性医疗织物的洗涤消毒时长，并将目标感染性医疗织物和发生感染的感染性医疗织物对应的洗涤消毒时长传输至洗涤情况分析模块。
进一步的，所述洗涤情况分析模块包括洗涤分析单元、第一预测单元、感染区域确定单元和第二预测单元；
所述洗涤分析单元对洗涤消毒时长确定单元传输的洗涤消毒时长进行接收，洗涤人员根据接收的洗涤消毒时长对发生感染的感染性医疗织物和目标感染性医疗织物进行洗涤消毒处理，所述洗涤分析单元对洗涤设备和洗涤区域的消毒情况进行获取，并将获取信息分别传输至第一预测单元和感染区域确定单元；
所述第一预测单元对洗涤分析单元传输的洗涤人员在目标感染性医疗织物或发生感染的感染性医疗织物放入洗涤设备前后，均对洗涤设备和洗涤区域进行消毒处理的获取信息进行接收，根据接收信息，预测发生感染的感染性医疗织物或目标感染性医疗织物产生二次感染的概率为零，并将预测结果传输至质量评估模块；
所述感染区域确定单元对洗涤分析单元传输的洗涤人员在目标感染性医疗织物或发生感染的感染性医疗织物放入洗涤设备前后，未对洗涤设备或洗涤区域进行消毒处理的获取信息进行接收，根据接收信息对存有传染性病源菌的区域范围进行确定，对确定的区域范围与发生感染的感染性医疗织物或目标感染性医疗织物的抖动范围对应的重合区域进行确定，结合发生感染的感染性医疗织物或目标感染性医疗织物在取出洗涤设备时的抖动次数，对传染性病源菌与发生感染的感染性医疗织物或目标感染性医疗织物的接触面积进行计算，并将计算结果传输至第二预测单元；
所述第二预测单元对感染区域确定单元传输的计算结果进行接收，基于接收信息，结合发生感染的感染性医疗织物或目标感染性医疗织物在取出洗涤设备时的抖动时长，构建数学模型J＝1-NV*v对发生感染的感染性医疗织物或目标感染性医疗织物产生二次感染的概率进行预测，并将预测结果传输至质量评估模块。
进一步的，所述质量评估模块用于对第一预测单元和第二预测单元传输的预测结果进行接收，基于接收信息对洗涤处理后的发生感染的感染性医疗织物和目标感染医疗织物的消毒程度进行确定，在消毒完成后对发生感染的感染性医疗织物和目标感染医疗织物的感官指标和微生物指标进行检查，将检查结果与标准结果进行对比，根据对比值对发生感染的感染性医疗织物或目标感染性医疗织物的洗涤质量进行评估，基于评估结果，判断发生感染的感染性医疗织物或目标感染性医疗织物的消毒过程是否异常。
与现有技术相比，本发明所达到的有益效果是：
1.本发明通过判断感染性医疗织物在开始分拣前是否达到平衡含水率，对感染性医疗织物进行优先分拣处理，根据感染性医疗织物在开始分拣前的含水率情况，对目标感染性医疗织物进行确定，在目标医疗织物存放的感染性医疗织物全部被分拣后，对盛装目标感染性医疗织物的水溶性包装袋的破损情况进行预测，基于预测结果，可在分拣过程中，对发生感染的感染性医疗织物的感染程度和感染源进行追溯，根据破损程度和各感染性医疗织物的放置位置，对发生感染的感染性医疗织物的感染时间进行追溯，同时也可对分拣流程中存在的感染情况进行预测，进一步提高了系统的追溯效果。
2.本发明通过调用各感染性医疗织物的过往洗涤消毒时长，结合发生感染的感染性医疗织物被感染的程度，以及被感染的次数，对发生感染的感染性医疗织物的洗涤消毒时长进行确定，避免发生感染的感染性医疗织物在按照过往洗涤消毒时长处理后，医疗织物上仍存在感染性病源菌，进一步提高了对感染性医疗织物的洗涤消毒效果。
3.本发明通过根据洗涤人员对洗涤设备和洗涤区域的消毒情况，对各感染性医疗织物是否会发生二次感染进行判断，基于判断结果，结合各感染性医疗织物被取出洗涤设备时的抖动时长、抖动次数和抖动范围，对各感染性医疗织物发生二次感染的概率进行预测，基于预测结果，对各感染性医疗织物在洗涤过程中存在的异常情况进行智能追溯，进一步提高了系统的使用效果。
附图说明
附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。在附图中：
图1是本发明基于大数据的医疗洗涤消毒全流程智能追溯系统及方法的工作流程示意图；
图2是本发明基于大数据的医疗洗涤消毒全流程智能追溯系统及方法的工作原理结构示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
请参阅图1和图2，本发明提供技术方案：基于大数据的医疗洗涤消毒全流程智能追溯方法，方法包括：
步骤一：对感染性医疗织物进行分拣，根据分拣位置、分拣时间和分拣情况，对目标感染性医疗织物是否会对其他感染性医疗织物造成感染进行预测；
步骤一包括：
S11：在对感染性医疗织物进行分拣前，根据不同医疗机构存放在医疗洗涤消毒中心的感染性医疗织物的存放时间和存放量，对各医疗机构存放的感染性医疗织物的分拣时间和分拣时长进行确定，感染性医疗织物的存放时间不应超过48小时；
S12：感染性医疗织物在分拣前所处环境温度均为理想温度，对盛装各感染性医疗织物的水溶性包装袋的初始含水率进行获取(初始含水率指感染性医疗织物运输至医疗洗涤消毒中心时的含水率)，根据开始分拣时间(开始分拣时间指分拣人员开始分拣第一个感染性医疗织物时对应的时间)、各感染性医疗织物放置位置对应的环境湿度和通风情况，对各感染性医疗织物在开始分拣前的含水率进行确定，将确定的含水率与平衡含水率进行对比，若含水率＞平衡含水率，则判断对应感染性医疗织物会对空气造成感染，反之，则判断对应感染性医疗织物不会对空气造成感染；
对各感染性医疗织物在开始分拣前的含水率进行确定的具体公式Wi为：
Figure BDA0004181712390000101
其中，i＝1,2,…,p，表示感染性医疗织物对应的编号，p表示感染性医疗织物总量，Hi表示盛装编号为i的感染性医疗织物的水溶性包装袋对应的初始含水率，Yi表示分拣前编号为i的感染性医疗织物放置位置对应的平均环境湿度值，Y＇表示设定的干燥湿度值，Si表示编号为i的感染性医疗织物放置位置对应的平均通风量，β表示水溶性包装袋在单位湿度下对应的吸水率，ti表示分拣前编号为i的感染性医疗织物放置在对应位置的总时长，di表示编号为i的感染性医疗织物距离通风口的直线距离，
Figure BDA0004181712390000111
表示风通过通风口能够到达的最远距离，D表示大于零的常数，当/>
Figure BDA0004181712390000112
时，令/>
Figure BDA0004181712390000113
当/>
Figure BDA0004181712390000114
时，令/>
Figure BDA0004181712390000115
Figure BDA0004181712390000116
Wi表示编号为i的感染性医疗织物在开始分拣前的含水率；
S13：若S12中判断对应感染性医疗织物会对空气造成感染，则优先对对应感染性医疗织物进行分拣，并在分拣后对对应感染性医疗织物的放置位置进行消毒处理，同时对各医疗机构存放的感染性医疗织物的分拣时间和分拣时长进行调整；
S14：若S12中判断对应感染性医疗织物不会对其他感染性医疗织物造成感染，则以剩余的感染性医疗织物中含水率最高的感染性医疗织物作为目标感染性医疗织物，根据目标感染性医疗织物所属医疗机构对应的分拣时长和目标感染性医疗织物放置位置的环境温度，对盛装目标感染性医疗织物的水溶性包装袋在目标医疗机构(目标医疗机构指目标感染性医疗织物所属的医疗机构)存放的感染性医疗织物全部被分拣后对应的破损程度进行预测，具体的预测方法为：
利用公式
Figure BDA0004181712390000117
对盛装目标感染性医疗织物的水溶性包装袋含水率从Wi到达平衡含水率时所耗费的时长进行计算；
判断盛装目标感染性医疗织物的水溶性包装袋到达平衡含水率时目标医疗机构存放的感染性医疗织物的分拣是否结束，若分拣结束，则在目标感染性医疗织物被分拣前对目标感染性医疗织物放置位置对应的环境温度变化情况，以及盛装目标感染性医疗织物的水溶性包装袋的水溶温度进行获取，当获取的目标感染性医疗织物放置位置对应的环境温度＜盛装目标感染性医疗织物的水溶性包装袋的水溶温度恒成立时，Q＝0，当存在获取的目标感染性医疗织物放置位置对应的环境温度≥盛装目标感染性医疗织物的水溶性包装袋的水溶温度时，Q＝T1*α；
若分拣未结束，则判断目标感染性医疗织物被分拣前其放置位置对应的环境温度是否能够达到水溶温度，若能够达到水溶温度，则对达到水溶温度的时间进行获取，将获取时间值与盛装目标感染性医疗织物的水溶性包装袋到达平衡含水率的时间值进行比较，若获取时间值≥盛装目标感染性医疗织物的水溶性包装袋到达平衡含水率的时间值，则Q＝(T-Ta)*α，若获取时间值＜盛装目标感染性医疗织物的水溶性包装袋到达平衡含水率的时间值，则Q＝T1*α，若不能够达到水溶温度，则Q＝(T-Ta)*α；
其中，T表示目标医疗机构对应的分拣时长，
Figure BDA0004181712390000122
表示盛装目标感染性医疗织物的水溶性包装袋对应的平衡含水率，α表示盛装目标感染性医疗织物的水溶性包装袋在达到水溶温度时，单位时间表现的溶解率，T1表示在目标医疗机构对应的分拣时长内，目标感染性医疗织物放置位置的环境温度≥盛装目标感染性医疗织物的水溶性包装袋的水溶温度所持续的时长，Ta表示盛装目标感染性医疗织物的水溶性包装袋含水率从Wi到达平衡含水率时所耗费的时长，Q表示盛装目标感染性医疗织物的水溶性包装袋在目标医疗机构存放的感染性医疗织物全部被分拣后对应的破损程度；
S15：当Q＝0时，表示目标感染性医疗织物不会对其他感染性医疗织物造成感染，当Q≠0时，若其他感染性医疗织物与目标感染性医疗织物的破损位置相接触，且其他感染性医疗织物与目标感染性医疗织物的感染源不同，则目标感染性医疗织物会对其他感染性医疗织物造成感染，若其他感染性医疗织物与目标感染性医疗织物的破损位置不接触或目标感染性医疗织物与其他感染性医疗织物的感染源不同，则目标感染性医疗织物不会对其他感染性医疗织物造成感染，其他感染性医疗织物指剩余的感染性医疗织物中除去目标感染性医疗织物以外的感染性医疗织物；
步骤二：通过大数据对目标感染性医疗织物和步骤一中预测的发生感染的其他感染性医疗织物的过往洗涤消毒情况进行获取，根据获取信息，对发生感染的其他感染性医疗织物的洗涤消毒时长进行确定；
步骤二包括：
S21：通过大数据对目标感染性医疗织物和S15中预测的发生感染的其他感染性医疗织物的过往洗涤消毒时长和洗涤消毒次数进行获取；
S22：基于发生感染的其他感染性医疗织物和目标感染性医疗织物的平均洗涤消毒时长，结合S21中获取的发生感染的其他感染性医疗织物的过往洗涤消毒次数，对发生感染的感染性医疗织物的洗涤消毒时长进行确定，具体的确定公式Ri为：
Figure BDA0004181712390000121
其中，j＝1,2,…,m，表示会造成感染的目标感染性医疗织物对应的编号，m表示会造成感染的目标感染性医疗织物总数，z＝1,2,…,q，表示发生感染的感染性医疗织物对应的编号，q表示发生感染的感染性医疗织物总数，ri表示编号为i的发生感染的感染性医疗织物对应的平均洗涤消毒时长，fj表示编号为j的会造成感染的目标感染性医疗织物对应的平均洗涤消毒时长，Qj表示编号为j的会造成感染的目标感染性医疗织物对应的破损程度，uji表示编号为j的会造成感染的目标感染性医疗织物与编号为i发生感染的感染性医疗织物的接触面积比(接触面积比＝造成感染的目标感染性医疗织物与发生感染的感染性医疗织物的接触面积/造成感染的感染性医疗织物的破损面积)，cj表示编号为j的会造成感染的目标感染性医疗织物对应的过往洗涤消毒次数，γ表示感染性医疗织物每洗涤消毒一次所增加的洗涤消毒时长，eji＝0或1，当eji＝0时，表示编号为j的会造成感染的目标感染性医疗织物与编号为i发生感染的感染性医疗织物的感染源相同，当eji＝1时，表示编号为j的会造成感染的目标感染性医疗织物与编号为i发生感染的感染性医疗织物的感染源不同，Ri表示编号为i的发生感染的感染性医疗织物对应的洗涤消毒时长；
S23：目标感染性医疗织物的洗涤消毒时长为洗涤消毒增加时长与平均洗涤消毒时长之间的和值，其中洗涤消毒增加时长为过往洗涤消毒次数与γ的乘积值；
步骤三：将发生感染的感染性医疗织物和目标感染性医疗织物分别运输至不同的隔离洗涤区进行洗涤处理，在发生感染的感染性医疗织物或目标感染性医疗织物被取出洗涤设备时，分别对发生感染的感染性医疗织物或目标感染性医疗织物在取出时的抖动时长、抖动次数和抖动范围进行获取，根据获取信息，结合洗涤人员对对洗涤设备和洗涤区域的消毒情况，对发生感染的感染性医疗织物或目标感染性医疗织物产生二次感染的概率进行预测；
对发生感染的感染性医疗织物或目标感染性医疗织物产生二次感染的概率进行预测的具体方法为：
S31：洗涤人员根据S22和S23中确定的洗涤消毒时长对各感染性医疗织物进行洗涤消毒处理，对洗涤设备和洗涤区域的消毒情况进行获取，若洗涤人员在感染性医疗织物放入洗涤设备前后均对洗涤设备和洗涤区域进行消毒处理，则发生感染的感染性医疗织物或目标感染性医疗织物产生二次感染的概率为零；
S32：若洗涤人员在感染性医疗织物放入洗涤设备前后未对洗涤设备或洗涤区域进行消毒处理，则根据洗涤人员对洗涤设备和洗涤区域的消毒情况对存有传染性病源菌的区域范围进行确定，对确定的区域范围与发生感染的感染性医疗织物或目标感染性医疗织物的抖动范围对应的重合区域进行确定，基于确定的重合区域，结合发生感染的感染性医疗织物或目标感染性医疗织物在取出洗涤设备时的抖动次数，对传染性病源菌与发生感染的感染性医疗织物或目标感染性医疗织物的接触面积进行计算；
S33：根据S23中计算的接触面积，结合发生感染的感染性医疗织物或目标感染性医疗织物在取出洗涤设备时的抖动时长，对发生感染的感染性医疗织物或目标感染性医疗织物产生二次感染的概率进行预测，具体的预测公式J为：
J＝1-NV*v；
其中，V表示传染性病毒菌与发生感染的感染性医疗织物或目标感染性医疗织物的接触面积，v表示发生感染的感染性医疗织物或目标感染性医疗织物在取出时的抖动时长，N表示传染性病毒菌在单位时间内对单位面积医疗织物的感染率，J表示发生感染的感染性医疗织物或目标感染性医疗织物产生二次感染的概率；
步骤四：根据步骤三中预测的发生感染的感染性医疗织物和目标感染医疗织物产生二次感染的概率，对洗涤处理后的各感染性医疗织物的消毒程度进行确定，在消毒完成后对发生感染的感染性医疗织物和目标感染医疗织物的感官指标和微生物指标进行检查，将检查结果与标准结果进行对比，根据对比值对发生感染的感染性医疗织物或目标感染性医疗织物的洗涤质量进行评估，基于评估结果，判断发生感染的感染性医疗织物或目标感染性医疗织物的消毒过程是否异常；
步骤四中对洗涤处理后的各感染性医疗织物的消毒程度进行确定的具体方法为：以步骤三中预测的发生感染的感染性医疗织物或目标感染性医疗织物对应的二次感染率作为比例系数，对发生感染的感染性医疗织物或目标感染性医疗织物增加的消毒力度进行确定，将增加的消毒力度与发生感染的感染性医疗织物或目标感染性医疗织物对应的平均消毒力度的和值作为洗涤处理后的对应感染性医疗织物的消毒程度。
基于大数据的医疗洗涤消毒全流程智能追溯系统，系统包括分拣流程追溯模块、洗涤消毒调整模块、洗涤情况分析模块、质量评估模块和智能追溯模块；
分拣流程追溯模块用于根据目标感染性医疗织物的分拣位置、分拣时间和分拣情况，对目标感染性医疗织物是否会对其他感染性医疗织物造成感染进行预测，并将预测结果传输至洗涤消毒调整模块；
分拣流程追溯模块包括分拣情况确定单元、判断单元、分拣处理单元、破损程度预测单元和感染预测单元；
分拣情况确定单元在感染性医疗织物分拣前，根据不同医疗机构存放在医疗洗涤消毒中心的感染性医疗织物的存放时间和存放量，对各医疗机构存放的感染性医疗织物的分拣时间和分拣时长进行确定，分拣情况确定单元对分拣处理单元反馈的调整结果进行接收，基于接收信息对各医疗机构存放的感染性医疗织物的分拣时间和分拣时长进行调整，并将调整后的分拣时间传输至判断单元，将调整后的分拣时长传输至破损程度预测单元；
判断单元对分拣情况确定单元传输的分拣时间进行接收，基于接收的分拣时间对开始分拣时间进行确定，结合各感染性医疗织物放置位置对应的环境湿度、通风情况和盛装各感染性医疗织物的水溶性包装袋的初始含水率，构建数学模型
Figure BDA0004181712390000152
Figure BDA0004181712390000151
对各感染性医疗织物在开始分拣前的含水率进行确定，将确定的含水率与平衡含水率进行对比，根据对比结果，判断对应感染性医疗织物是否会会对空气造成感染，并将判断结果分别传输至分拣处理单元和破损程度预测单元，将计算的含水率传输至破损程度预测单元；
分拣处理单元对判断单元传输的对应感染性医疗织物会对空气造成感染的判断结果进行接收，根据接收信息，优先对对应感染性医疗织物进行分拣，并在分拣后对对应感染性医疗织物的放置位置进行消毒处理，同时对各医疗机构存放的感染性医疗织物的分拣时间和分拣时长进行调整，并将调整结果反馈至分拣情况确定单元，将待分拣的剩余感染性医疗织物对应的编号传输至破损程度预测单元；
破损程度预测单元对分拣情况确定单元传输的分拣时长、判断单元传输的对应感染性医疗织物不会对空气造成感染的判断结果和计算的含水率、以及分拣处理单元传输的待分拣的剩余感染性医疗织物对应的编号进行接收，基于接收信息，对目标感染性医疗织物进行确定，根据目标感染性医疗织物所属医疗机构对应的分拣时长和目标感染性医疗织物放置位置的环境温度，对盛装目标感染性医疗织物的水溶性包装袋在目标医疗机构存放的感染性医疗织物全部被分拣后对应的破损程度进行预测，并将预测结果传输至感染预测单元；
感染预测单元对破损程度预测单元传输的预测结果进行接收，基于接收信息，结合各感染性医疗织物的感染源和目标感染性医疗织物与其他感染性医疗织物的接触情况，对目标感染性医疗织物是否会对其他感染性医疗织物造成感染进行预测，并将预测结果传输至洗涤消毒调整模块；
洗涤消毒调整模块用于对分拣流程追溯模块传输的目标感染性医疗织物是否会对其他感染性医疗织物造成感染的预测结果进行接收，基于接收信息，通过大数据对目标感染性医疗织物和预测的发生感染的其他感染性医疗织物的过往洗涤消毒情况进行获取，根据获取信息，对发生感染的其他感染性医疗织物的洗涤消毒时长进行确定，并将确定的洗涤消毒时长传输至洗涤情况分析模块；
洗涤消毒调整模块包括洗涤消毒信息获取单元和洗涤消毒时长确定单元；
洗涤消毒信息获取单元对感染预测单元传输的感染预测结果进行接收，基于接收信息，通过大数据对目标感染性医疗织物和感染预测单元预测的发生感染的其他感染性医疗织物的过往洗涤消毒时长和洗涤消毒次数进行获取，并将获取信息传输至洗涤消毒时长确定单元；
洗涤消毒时长确定单元对洗涤消毒信息获取单元传输的获取信息进行接收，基于接收信息，构建数学模型
Figure BDA0004181712390000161
对发生感染的感染性医疗织物的洗涤消毒时长进行确定，对目标感染性医疗织物的过往洗涤消毒次数与感染性医疗织物每洗涤消毒一次所增加的洗涤消毒时长之间的乘积进行计算，将计算结果与目标感染性医疗织物对应的平均洗涤消毒时长之间的和值进行计算，得到目标感染性医疗织物的洗涤消毒时长，并将目标感染性医疗织物和发生感染的感染性医疗织物对应的洗涤消毒时长传输至洗涤情况分析模块；
洗涤情况分析模块用于对洗涤消毒调整模块传输的洗涤消毒时长进行接收，将发生感染的感染性医疗织物和目标感染性医疗织物分区进行洗涤处理，根据发生感染的感染性医疗织物或目标感染性医疗织物在取出洗涤设备时的抖动时长、抖动次数和抖动范围，以及洗涤人员对洗涤设备和洗涤区域的消毒情况，对发生感染的感染性医疗织物或目标感染性医疗织物产生二次感染的概率进行预测，并将预测结果传输至质量评估模块；
洗涤情况分析模块包括洗涤分析单元、第一预测单元、感染区域确定单元和第二预测单元；
洗涤分析单元对洗涤消毒时长确定单元传输的洗涤消毒时长进行接收，洗涤人员根据接收的洗涤消毒时长对发生感染的感染性医疗织物和目标感染性医疗织物进行洗涤消毒处理，洗涤分析单元对洗涤设备和洗涤区域的消毒情况进行获取，并将获取信息分别传输至第一预测单元和感染区域确定单元；
第一预测单元对洗涤分析单元传输的洗涤人员在目标感染性医疗织物或发生感染的感染性医疗织物放入洗涤设备前后，均对洗涤设备和洗涤区域进行消毒处理的获取信息进行接收，根据接收信息，预测发生感染的感染性医疗织物或目标感染性医疗织物产生二次感染的概率为零，并将预测结果传输至质量评估模块；
感染区域确定单元对洗涤分析单元传输的洗涤人员在目标感染性医疗织物或发生感染的感染性医疗织物放入洗涤设备前后，未对洗涤设备或洗涤区域进行消毒处理的获取信息进行接收，根据接收信息对存有传染性病源菌的区域范围进行确定，对确定的区域范围与发生感染的感染性医疗织物或目标感染性医疗织物的抖动范围对应的重合区域进行确定，结合发生感染的感染性医疗织物或目标感染性医疗织物在取出洗涤设备时的抖动次数，对传染性病源菌与发生感染的感染性医疗织物或目标感染性医疗织物的接触面积进行计算，并将计算结果传输至第二预测单元；
第二预测单元对感染区域确定单元传输的计算结果进行接收，基于接收信息，结合发生感染的感染性医疗织物或目标感染性医疗织物在取出洗涤设备时的抖动时长，构建数学模型J＝1-NV*v对发生感染的感染性医疗织物或目标感染性医疗织物产生二次感染的概率进行预测，并将预测结果传输至质量评估模块；
质量评估模块用于对洗涤情况分析模块传输的预测结果进行接收，基于接收信息对洗涤处理后的发生感染的感染性医疗织物和目标感染医疗织物的消毒程度进行确定，在消毒完成后对发生感染的感染性医疗织物和目标感染医疗织物的感官指标和微生物指标进行检查，根据检查结果对发生感染的感染性医疗织物和目标感染医疗织物的消毒质量进行评估，基于评估结果，判断发生感染的感染性医疗织物或目标感染性医疗织物的消毒过程是否异常；
质量评估模块用于对第一预测单元和第二预测单元传输的预测结果进行接收，基于接收信息对洗涤处理后的发生感染的感染性医疗织物和目标感染医疗织物的消毒程度进行确定，在消毒完成后对发生感染的感染性医疗织物和目标感染医疗织物的感官指标和微生物指标进行检查，将检查结果与标准结果进行对比，根据对比值对发生感染的感染性医疗织物或目标感染性医疗织物的洗涤质量进行评估，基于评估结果，判断发生感染的感染性医疗织物或目标感染性医疗织物的消毒过程是否异常。
需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。
最后应说明的是：以上所述仅为本发明的优选实施例而已，并不用于限制本发明，尽管参照前述实施例对本发明进行了详细的说明，对于本领域的技术人员来说，其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换。凡在本发明的精神和原则之内，所作的任何修改、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.基于大数据的医疗洗涤消毒全流程智能追溯方法，其特征在于：所述方法包括：
步骤一：对感染性医疗织物进行分拣，根据分拣位置、分拣时间和分拣情况，对目标感染性医疗织物是否会对其他感染性医疗织物造成感染进行预测；
步骤二：通过大数据对目标感染性医疗织物和步骤一中预测的发生感染的其他感染性医疗织物的过往洗涤消毒情况进行获取，根据获取信息，对发生感染的其他感染性医疗织物的洗涤消毒时长进行确定；
步骤三：将发生感染的感染性医疗织物和目标感染性医疗织物分别运输至不同的隔离洗涤区进行洗涤处理，在发生感染的感染性医疗织物或目标感染性医疗织物被取出洗涤设备时，分别对发生感染的感染性医疗织物或目标感染性医疗织物在取出时的抖动时长、抖动次数和抖动范围进行获取，根据获取信息，结合洗涤人员对对洗涤设备和洗涤区域的消毒情况，对发生感染的感染性医疗织物或目标感染性医疗织物产生二次感染的概率进行预测；
步骤四：根据步骤三中预测的发生感染的感染性医疗织物和目标感染医疗织物产生二次感染的概率，对洗涤处理后的各感染性医疗织物的消毒程度进行确定，在消毒完成后对发生感染的感染性医疗织物和目标感染医疗织物的感官指标和微生物指标进行检查，将检查结果与标准结果进行对比，根据对比值对发生感染的感染性医疗织物或目标感染性医疗织物的洗涤质量进行评估，基于评估结果，判断发生感染的感染性医疗织物或目标感染性医疗织物的消毒过程是否异常。
2.根据权利要求1所述的基于大数据的医疗洗涤消毒全流程智能追溯方法，其特征在于：所述步骤一包括：
S11：在对感染性医疗织物进行分拣前，根据不同医疗机构存放在医疗洗涤消毒中心的感染性医疗织物的存放时间和存放量，对各医疗机构存放的感染性医疗织物的分拣时间和分拣时长进行确定，感染性医疗织物的存放时间不应超过48小时；
S12：感染性医疗织物在分拣前所处环境温度均为理想温度，对盛装各感染性医疗织物的水溶性包装袋的初始含水率进行获取，根据开始分拣时间、各感染性医疗织物放置位置对应的环境湿度和通风情况，对各感染性医疗织物在开始分拣前的含水率进行确定，将确定的含水率与平衡含水率进行对比，若含水率＞平衡含水率，则判断对应感染性医疗织物会对空气造成感染，反之，则判断对应感染性医疗织物不会对空气造成感染；
所述对各感染性医疗织物在开始分拣前的含水率进行确定的具体公式Wi为：
Figure FDA0004181712370000021
其中，i＝1,2,…,p，表示感染性医疗织物对应的编号，p表示感染性医疗织物总量，Hi表示盛装编号为i的感染性医疗织物的水溶性包装袋对应的初始含水率，Yi表示分拣前编号为i的感染性医疗织物放置位置对应的平均环境湿度值，Y＇表示设定的干燥湿度值，Si表示编号为i的感染性医疗织物放置位置对应的平均通风量，β表示水溶性包装袋在单位湿度下对应的吸水率，ti表示分拣前编号为i的感染性医疗织物放置在对应位置的总时长，di表示编号为i的感染性医疗织物距离通风口的直线距离，
Figure FDA0004181712370000022
表示风通过通风口能够到达的最远距离，D表示大于零的常数，当/>
Figure FDA0004181712370000023
时，令/>
Figure FDA0004181712370000024
当/>
Figure FDA0004181712370000025
时，令/>
Figure FDA0004181712370000026
Wi表示编号为i的感染性医疗织物在开始分拣前的含水率；
S13：若S12中判断对应感染性医疗织物会对空气造成感染，则优先对对应感染性医疗织物进行分拣，并在分拣后对对应感染性医疗织物的放置位置进行消毒处理，同时对各医疗机构存放的感染性医疗织物的分拣时间和分拣时长进行调整；
S14：若S12中判断对应感染性医疗织物不会对其他感染性医疗织物造成感染，则以剩余的感染性医疗织物中含水率最高的感染性医疗织物作为目标感染性医疗织物，根据目标感染性医疗织物所属医疗机构对应的分拣时长和目标感染性医疗织物放置位置的环境温度，对盛装目标感染性医疗织物的水溶性包装袋在目标医疗机构(目标医疗机构指目标感染性医疗织物所属的医疗机构)存放的感染性医疗织物全部被分拣后对应的破损程度进行预测，具体的预测方法为：
利用公式
Figure FDA0004181712370000027
对盛装目标感染性医疗织物的水溶性包装袋含水率从Wi到达平衡含水率时所耗费的时长进行计算；
判断盛装目标感染性医疗织物的水溶性包装袋到达平衡含水率时目标医疗机构存放的感染性医疗织物的分拣是否结束，若分拣结束，则在目标感染性医疗织物被分拣前对目标感染性医疗织物放置位置对应的环境温度变化情况，以及盛装目标感染性医疗织物的水溶性包装袋的水溶温度进行获取，当获取的目标感染性医疗织物放置位置对应的环境温度＜盛装目标感染性医疗织物的水溶性包装袋的水溶温度恒成立时，Q＝0，当存在获取的目标感染性医疗织物放置位置对应的环境温度≥盛装目标感染性医疗织物的水溶性包装袋的水溶温度时，Q＝T1*α；
若分拣未结束，则判断目标感染性医疗织物被分拣前其放置位置对应的环境温度是否能够达到水溶温度，若能够达到水溶温度，则对达到水溶温度的时间进行获取，将获取时间值与盛装目标感染性医疗织物的水溶性包装袋到达平衡含水率的时间值进行比较，若获取时间值≥盛装目标感染性医疗织物的水溶性包装袋到达平衡含水率的时间值，则Q＝(T-Ta)*α，若获取时间值＜盛装目标感染性医疗织物的水溶性包装袋到达平衡含水率的时间值，则Q＝T1*α，若不能够达到水溶温度，则Q＝(T-Ta)*α；
其中，T表示目标医疗机构对应的分拣时长，
Figure FDA0004181712370000031
表示盛装目标感染性医疗织物的水溶性包装袋对应的平衡含水率，α表示盛装目标感染性医疗织物的水溶性包装袋在达到水溶温度时，单位时间表现的溶解率，T1表示在目标医疗机构对应的分拣时长内，目标感染性医疗织物放置位置的环境温度≥盛装目标感染性医疗织物的水溶性包装袋的水溶温度所持续的时长，Ta表示盛装目标感染性医疗织物的水溶性包装袋含水率从Wi到达平衡含水率时所耗费的时长，Q表示盛装目标感染性医疗织物的水溶性包装袋在目标医疗机构存放的感染性医疗织物全部被分拣后对应的破损程度；
S15：当Q＝0时，表示目标感染性医疗织物不会对其他感染性医疗织物造成感染，当Q≠0时，若其他感染性医疗织物与目标感染性医疗织物的破损位置相接触，且其他感染性医疗织物与目标感染性医疗织物的感染源不同，则目标感染性医疗织物会对其他感染性医疗织物造成感染，若其他感染性医疗织物与目标感染性医疗织物的破损位置不接触或目标感染性医疗织物与其他感染性医疗织物的感染源不同，则目标感染性医疗织物不会对其他感染性医疗织物造成感染。
3.根据权利要求2所述的基于大数据的医疗洗涤消毒全流程智能追溯方法，其特征在于：所述步骤二包括：
S21：通过大数据对目标感染性医疗织物和S15中预测的发生感染的其他感染性医疗织物的过往洗涤消毒时长和洗涤消毒次数进行获取；
S22：基于发生感染的其他感染性医疗织物和目标感染性医疗织物的平均洗涤消毒时长，结合S21中获取的发生感染的其他感染性医疗织物的过往洗涤消毒次数，对发生感染的感染性医疗织物的洗涤消毒时长进行确定，具体的确定公式Ri为：
Figure FDA0004181712370000032
其中，j＝1,2,…,m，表示会造成感染的目标感染性医疗织物对应的编号，m表示会造成感染的目标感染性医疗织物总数，z＝1,2,…,q，表示发生感染的感染性医疗织物对应的编号，q表示发生感染的感染性医疗织物总数，ri表示编号为i的发生感染的感染性医疗织物对应的平均洗涤消毒时长，fj表示编号为j的会造成感染的目标感染性医疗织物对应的平均洗涤消毒时长，Qj表示编号为j的会造成感染的目标感染性医疗织物对应的破损程度，uji表示编号为j的会造成感染的目标感染性医疗织物与编号为i发生感染的感染性医疗织物的接触面积比，cj表示编号为j的会造成感染的目标感染性医疗织物对应的过往洗涤消毒次数，γ表示感染性医疗织物每洗涤消毒一次所增加的洗涤消毒时长，eji＝0或1，当eji＝0时，表示编号为j的会造成感染的目标感染性医疗织物与编号为i发生感染的感染性医疗织物的感染源相同，当eji＝1时，表示编号为j的会造成感染的目标感染性医疗织物与编号为i发生感染的感染性医疗织物的感染源不同，Ri表示编号为i的发生感染的感染性医疗织物对应的洗涤消毒时长；
S23：目标感染性医疗织物的洗涤消毒时长为洗涤消毒增加时长与平均洗涤消毒时长之间的和值，其中洗涤消毒增加时长为过往洗涤消毒次数与γ的乘积值。
4.根据权利要求3所述的基于大数据的医疗洗涤消毒全流程智能追溯方法，其特征在于：所述对发生感染的感染性医疗织物或目标感染性医疗织物产生二次感染的概率进行预测的具体方法为：
S31：洗涤人员根据S22和S23中确定的洗涤消毒时长对各感染性医疗织物进行洗涤消毒处理，对洗涤设备和洗涤区域的消毒情况进行获取，若洗涤人员在感染性医疗织物放入洗涤设备前后均对洗涤设备和洗涤区域进行消毒处理，则发生感染的感染性医疗织物或目标感染性医疗织物产生二次感染的概率为零；
S32：若洗涤人员在感染性医疗织物放入洗涤设备前后未对洗涤设备或洗涤区域进行消毒处理，则根据洗涤人员对洗涤设备和洗涤区域的消毒情况对存有传染性病源菌的区域范围进行确定，对确定的区域范围与发生感染的感染性医疗织物或目标感染性医疗织物的抖动范围对应的重合区域进行确定，基于确定的重合区域，结合发生感染的感染性医疗织物或目标感染性医疗织物在取出洗涤设备时的抖动次数，对传染性病源菌与发生感染的感染性医疗织物或目标感染性医疗织物的接触面积进行计算；
S33：根据S23中计算的接触面积，结合发生感染的感染性医疗织物或目标感染性医疗织物在取出洗涤设备时的抖动时长，对发生感染的感染性医疗织物或目标感染性医疗织物产生二次感染的概率进行预测，具体的预测公式J为：
J＝1-NV*v；
其中，V表示传染性病毒菌与发生感染的感染性医疗织物或目标感染性医疗织物的接触面积，v表示发生感染的感染性医疗织物或目标感染性医疗织物在取出时的抖动时长，N表示传染性病毒菌在单位时间内对单位面积医疗织物的感染率，J表示发生感染的感染性医疗织物或目标感染性医疗织物产生二次感染的概率。
5.根据权利要求4所述的基于大数据的医疗洗涤消毒全流程智能追溯方法，其特征在于：所述步骤四中对洗涤处理后的各感染性医疗织物的消毒程度进行确定的具体方法为：以步骤三中预测的发生感染的感染性医疗织物或目标感染性医疗织物对应的二次感染率作为比例系数，对发生感染的感染性医疗织物或目标感染性医疗织物增加的消毒力度进行确定，将增加的消毒力度与发生感染的感染性医疗织物或目标感染性医疗织物对应的平均消毒力度的和值作为洗涤处理后的对应感染性医疗织物的消毒程度。
6.一种应用于权利要求1-5任一项所述基于大数据的医疗洗涤消毒全流程智能追溯方法的基于大数据的医疗洗涤消毒全流程智能追溯系统，其特征在于：所述系统包括分拣流程追溯模块、洗涤消毒调整模块、洗涤情况分析模块、质量评估模块和智能追溯模块；
所述分拣流程追溯模块用于根据目标感染性医疗织物的分拣位置、分拣时间和分拣情况，对目标感染性医疗织物是否会对其他感染性医疗织物造成感染进行预测，并将预测结果传输至洗涤消毒调整模块；
所述洗涤消毒调整模块用于对分拣流程追溯模块传输的目标感染性医疗织物是否会对其他感染性医疗织物造成感染的预测结果进行接收，基于接收信息，通过大数据对目标感染性医疗织物和预测的发生感染的其他感染性医疗织物的过往洗涤消毒情况进行获取，根据获取信息，对发生感染的其他感染性医疗织物的洗涤消毒时长进行确定，并将确定的洗涤消毒时长传输至洗涤情况分析模块；
所述洗涤情况分析模块用于对洗涤消毒调整模块传输的洗涤消毒时长进行接收，将发生感染的感染性医疗织物和目标感染性医疗织物分区进行洗涤处理，根据发生感染的感染性医疗织物或目标感染性医疗织物在取出洗涤设备时的抖动时长、抖动次数和抖动范围，以及洗涤人员对洗涤设备和洗涤区域的消毒情况，对发生感染的感染性医疗织物或目标感染性医疗织物产生二次感染的概率进行预测，并将预测结果传输至质量评估模块；
所述质量评估模块用于对洗涤情况分析模块传输的预测结果进行接收，基于接收信息对洗涤处理后的发生感染的感染性医疗织物和目标感染医疗织物的消毒程度进行确定，在消毒完成后对发生感染的感染性医疗织物和目标感染医疗织物的感官指标和微生物指标进行检查，根据检查结果对发生感染的感染性医疗织物和目标感染医疗织物的消毒质量进行评估，基于评估结果，判断发生感染的感染性医疗织物或目标感染性医疗织物的消毒过程是否异常。
7.根据权利要求6所述的基于大数据的医疗洗涤消毒全流程智能追溯系统，其特征在于：所述分拣流程追溯模块包括分拣情况确定单元、判断单元、分拣处理单元、破损程度预测单元和感染预测单元；
所述分拣情况确定单元在感染性医疗织物分拣前，根据不同医疗机构存放在医疗洗涤消毒中心的感染性医疗织物的存放时间和存放量，对各医疗机构存放的感染性医疗织物的分拣时间和分拣时长进行确定，所述分拣情况确定单元对分拣处理单元反馈的调整结果进行接收，基于接收信息对各医疗机构存放的感染性医疗织物的分拣时间和分拣时长进行调整，并将调整后的分拣时间传输至判断单元，将调整后的分拣时长传输至破损程度预测单元；
所述判断单元对分拣情况确定单元传输的分拣时间进行接收，基于接收的分拣时间对开始分拣时间进行确定，结合各感染性医疗织物放置位置对应的环境湿度、通风情况和盛装各感染性医疗织物的水溶性包装袋的初始含水率，构建数学模型
Figure FDA0004181712370000061
Figure FDA0004181712370000062
对各感染性医疗织物在开始分拣前的含水率进行确定，将确定的含水率与平衡含水率进行对比，根据对比结果，判断对应感染性医疗织物是否会会对空气造成感染，并将判断结果分别传输至分拣处理单元和破损程度预测单元，将计算的含水率传输至破损程度预测单元；
所述分拣处理单元对判断单元传输的对应感染性医疗织物会对空气造成感染的判断结果进行接收，根据接收信息，优先对对应感染性医疗织物进行分拣，并在分拣后对对应感染性医疗织物的放置位置进行消毒处理，同时对各医疗机构存放的感染性医疗织物的分拣时间和分拣时长进行调整，并将调整结果反馈至分拣情况确定单元，将待分拣的剩余感染性医疗织物对应的编号传输至破损程度预测单元；
所述破损程度预测单元对分拣情况确定单元传输的分拣时长、判断单元传输的对应感染性医疗织物不会对空气造成感染的判断结果和计算的含水率、以及分拣处理单元传输的待分拣的剩余感染性医疗织物对应的编号进行接收，基于接收信息，对目标感染性医疗织物进行确定，根据目标感染性医疗织物所属医疗机构对应的分拣时长和目标感染性医疗织物放置位置的环境温度，对盛装目标感染性医疗织物的水溶性包装袋在目标医疗机构存放的感染性医疗织物全部被分拣后对应的破损程度进行预测，并将预测结果传输至感染预测单元；
所述感染预测单元对破损程度预测单元传输的预测结果进行接收，基于接收信息，结合各感染性医疗织物的感染源和目标感染性医疗织物与其他感染性医疗织物的接触情况，对目标感染性医疗织物是否会对其他感染性医疗织物造成感染进行预测，并将预测结果传输至洗涤消毒调整模块。
8.根据权利要求7所述的基于大数据的医疗洗涤消毒全流程智能追溯系统，其特征在于：所述洗涤消毒调整模块包括洗涤消毒信息获取单元和洗涤消毒时长确定单元；
所述洗涤消毒信息获取单元对感染预测单元传输的感染预测结果进行接收，基于接收信息，通过大数据对目标感染性医疗织物和感染预测单元预测的发生感染的其他感染性医疗织物的过往洗涤消毒时长和洗涤消毒次数进行获取，并将获取信息传输至洗涤消毒时长确定单元；
所述洗涤消毒时长确定单元对洗涤消毒信息获取单元传输的获取信息进行接收，基于接收信息，构建数学模型Ri＝ri+∑j m ＝1(fj*Qj*uji*eji)+cj*γ对发生感染的感染性医疗织物的洗涤消毒时长进行确定，对目标感染性医疗织物的过往洗涤消毒次数与感染性医疗织物每洗涤消毒一次所增加的洗涤消毒时长之间的乘积进行计算，将计算结果与目标感染性医疗织物对应的平均洗涤消毒时长之间的和值进行计算，得到目标感染性医疗织物的洗涤消毒时长，并将目标感染性医疗织物和发生感染的感染性医疗织物对应的洗涤消毒时长传输至洗涤情况分析模块。
9.根据权利要求8所述的基于大数据的医疗洗涤消毒全流程智能追溯系统，其特征在于：所述洗涤情况分析模块包括洗涤分析单元、第一预测单元、感染区域确定单元和第二预测单元；
所述洗涤分析单元对洗涤消毒时长确定单元传输的洗涤消毒时长进行接收，洗涤人员根据接收的洗涤消毒时长对发生感染的感染性医疗织物和目标感染性医疗织物进行洗涤消毒处理，所述洗涤分析单元对洗涤设备和洗涤区域的消毒情况进行获取，并将获取信息分别传输至第一预测单元和感染区域确定单元；
所述第一预测单元对洗涤分析单元传输的洗涤人员在目标感染性医疗织物或发生感染的感染性医疗织物放入洗涤设备前后，均对洗涤设备和洗涤区域进行消毒处理的获取信息进行接收，根据接收信息，预测发生感染的感染性医疗织物或目标感染性医疗织物产生二次感染的概率为零，并将预测结果传输至质量评估模块；
所述感染区域确定单元对洗涤分析单元传输的洗涤人员在目标感染性医疗织物或发生感染的感染性医疗织物放入洗涤设备前后，未对洗涤设备或洗涤区域进行消毒处理的获取信息进行接收，根据接收信息对存有传染性病源菌的区域范围进行确定，对确定的区域范围与发生感染的感染性医疗织物或目标感染性医疗织物的抖动范围对应的重合区域进行确定，结合发生感染的感染性医疗织物或目标感染性医疗织物在取出洗涤设备时的抖动次数，对传染性病源菌与发生感染的感染性医疗织物或目标感染性医疗织物的接触面积进行计算，并将计算结果传输至第二预测单元；
所述第二预测单元对感染区域确定单元传输的计算结果进行接收，基于接收信息，结合发生感染的感染性医疗织物或目标感染性医疗织物在取出洗涤设备时的抖动时长，构建数学模型J＝1-NV*v对发生感染的感染性医疗织物或目标感染性医疗织物产生二次感染的概率进行预测，并将预测结果传输至质量评估模块。
10.根据权利要求9所述的基于大数据的医疗洗涤消毒全流程智能追溯系统，其特征在于：所述质量评估模块用于对第一预测单元和第二预测单元传输的预测结果进行接收，基于接收信息对洗涤处理后的发生感染的感染性医疗织物和目标感染医疗织物的消毒程度进行确定，在消毒完成后对发生感染的感染性医疗织物和目标感染医疗织物的感官指标和微生物指标进行检查，将检查结果与标准结果进行对比，根据对比值对发生感染的感染性医疗织物或目标感染性医疗织物的洗涤质量进行评估，基于评估结果，判断发生感染的感染性医疗织物或目标感染性医疗织物的消毒过程是否异常。
CN202310406801.7A 2023-04-17 2023-04-17 基于大数据的医疗洗涤消毒全流程智能追溯系统及方法 Active CN116386897B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310406801.7A CN116386897B (zh) 2023-04-17 2023-04-17 基于大数据的医疗洗涤消毒全流程智能追溯系统及方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310406801.7A CN116386897B (zh) 2023-04-17 2023-04-17 基于大数据的医疗洗涤消毒全流程智能追溯系统及方法

Publications (2)

Publication Number Publication Date
CN116386897A true CN116386897A (zh) 2023-07-04
CN116386897B CN116386897B (zh) 2023-11-17

Family

ID=86965496

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310406801.7A Active CN116386897B (zh) 2023-04-17 2023-04-17 基于大数据的医疗洗涤消毒全流程智能追溯系统及方法

Country Status (1)

Country Link
CN (1) CN116386897B (zh)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2004008723A (ja) * 2002-06-03 2004-01-15 Dry Cleaning Kyoya:Kk 医療用繊維製品の洗浄方法及び洗浄用収納袋
CN101692263A (zh) * 2009-08-28 2010-04-07 上海景禧医用纺织品有限公司 一种基于rfid提供医用纺织品租赁洗涤全过程服务的方法
CN102704257A (zh) * 2012-06-15 2012-10-03 天津市林科技术有限公司 医疗纺织品高温血渍洗涤技术与应用
CN111518635A (zh) * 2020-05-29 2020-08-11 北京海牛鑫通清洗技术有限公司 医用纺织品复合长效消毒抑菌清洗剂及制备方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2004008723A (ja) * 2002-06-03 2004-01-15 Dry Cleaning Kyoya:Kk 医療用繊維製品の洗浄方法及び洗浄用収納袋
CN101692263A (zh) * 2009-08-28 2010-04-07 上海景禧医用纺织品有限公司 一种基于rfid提供医用纺织品租赁洗涤全过程服务的方法
CN102704257A (zh) * 2012-06-15 2012-10-03 天津市林科技术有限公司 医疗纺织品高温血渍洗涤技术与应用
CN111518635A (zh) * 2020-05-29 2020-08-11 北京海牛鑫通清洗技术有限公司 医用纺织品复合长效消毒抑菌清洗剂及制备方法

Also Published As

Publication number Publication date
CN116386897B (zh) 2023-11-17

Similar Documents

Publication Publication Date Title
Grossman et al. Institution of a novel process for N95 respirator disinfection with vaporized hydrogen peroxide in the setting of the COVID-19 pandemic at a large academic medical center
CN110118711B (zh) 基于物联网的室内空气含菌量实时检测与分析方法、系统
Hetem et al. Transmissibility of livestock-associated methicillin-resistant Staphylococcus aureus
Nicholson et al. UV resistance of Bacillus anthracis spores revisited: validation of Bacillus subtilis spores as UV surrogates for spores of B. anthracis Sterne
Noh et al. Risk stratification-based surveillance of bacterial contamination in metropolitan ambulances
Chu et al. Levels of naturally occurring microorganisms on surgical instruments after clinical use and after washing
CN106237356B (zh) 对牙刷头进行杀菌的方法及装置
CN112308481B (zh) 机器人送货消毒方法、送货机器人、设备及存储介质
CN116386897B (zh) 基于大数据的医疗洗涤消毒全流程智能追溯系统及方法
Kilvington et al. A comparison of cyst age and assay method of the efficacy of contact lens disinfectants againstAcanthamoeba
CN108184375A (zh) 一种水稻种子的消毒方法
US20230372561A1 (en) Apparatus and method for uv-c mask sanitization
KR102043670B1 (ko) 미생물 자동관리 인큐베이터 시스템
Wilson et al. The efficacy of three common hospital liquid germicides to inactivate Cryptosporidium parvum oocysts
CN104237180A (zh) 一种快速验证灭菌效果的生物阅读器
Gan et al. Effectiveness of hospital disinfection and experience learnt from 11 years of surveillance
Townsend et al. An efficacy evaluation of a synergized glutaraldehyde-phenate solution in disinfecting respiratory therapy equipment contaminated during patient use
Seidelman et al. A cluster of three extrapulmonary Mycobacterium abscessus infections linked to well-maintained water-based heater-cooler devices
Oral et al. Vaporized H2O2 decontamination against surrogate viruses for the reuse of N95 respirators in the COVID-19 emergency
CN117152260B (zh) 一种消毒器械残留物检测方法及系统
Schoeb et al. Gnotobiotics
Schnell et al. Construction and validation of an ultraviolet germicidal irradiation system using locally available components
CN206706098U (zh) 猪舍内致病菌检测系统
CN114348503B (zh) 一种智能垃圾桶控制方法及相关设备
Novák et al. Assessment of a novel, easy-to-implement, aerosolized H2O2 decontamination method for single-use filtering facepiece respirators in case of shortage

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