CN117976174A - 静脉导管科室的自适应排班系统 - Google Patents

静脉导管科室的自适应排班系统 Download PDF

Info

Publication number
CN117976174A
CN117976174A CN202410380723.2A CN202410380723A CN117976174A CN 117976174 A CN117976174 A CN 117976174A CN 202410380723 A CN202410380723 A CN 202410380723A CN 117976174 A CN117976174 A CN 117976174A
Authority
CN
China
Prior art keywords
indwelling catheter
patient
information
patients
shift
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
CN202410380723.2A
Other languages
English (en)
Other versions
CN117976174B (zh
Inventor
高丽
郭玲
何骄
刘翠
秦英
向明飞
罗安心
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.)
Sichuan Cancer Hospital
Original Assignee
Sichuan Cancer Hospital
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 Sichuan Cancer Hospital filed Critical Sichuan Cancer Hospital
Priority to CN202410380723.2A priority Critical patent/CN117976174B/zh
Publication of CN117976174A publication Critical patent/CN117976174A/zh
Application granted granted Critical
Publication of CN117976174B publication Critical patent/CN117976174B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Landscapes

  • Medical Treatment And Welfare Office Work (AREA)

Abstract

本申请属于资源调度管理技术领域,公开了一种静脉导管科室的自适应排班系统,包括:数据采集模块:从医院的信息储存系统获取需要进行留置导管处理的已有患者的病历信息;信息提取模块:从已有患者的病历信息中提取出与留置导管处理相关的时间信息和留置导管处理类型,根据每种留置导管处理类型和时间信息生成预测数据;预测模块:基于预先建立的预测模型和所述预测数据进行预测,输出得到每个换岗周期所需的医护数量;排班模块:根据每个换岗周期所需的医护数量生成本周排班表。

Description

静脉导管科室的自适应排班系统
技术领域
本申请涉及资源调度管理技术领域,具体而言,涉及一种静脉导管科室的自适应排班系统。
背景技术
在肿瘤治疗的专科医院中,存在很多需要长期输液的患者,这些患者需要频繁的进行留置导管的置入、护理,以及拔管,这三类留置导管的操作统称为留置导管处理。而留置导管又存在很多种不同的类型,所以医院内用于进行留置导管处理的科室内,会储存多种型号的留置导管,以及相关的医疗器械。同时,还需要在科室内安排一定数量的护士,以进行留置导管处理工作。
现有的静脉导管室的管理工作中,都是每天在静脉导管室内安排相同数量的护士,例如5位护士,或者10位护士。在静脉导管室内比较繁忙时,则从其余的部门抽调护士,在静脉导管室比较空闲时,则派出相应的人员。同时,科室内还需要保存各种留置导管处理所需要的医疗器械。所以在静脉置管科室中,需要定期更新排班表,排班表用于记录需要在科室内值班的人员信息。
目前,都是医院的排班人员根据近期医院的患者数量,大概估算出需要进行留置针处理的患者数量,然后根据患者数量估算出需要在静脉置管科室内需要排班的人员,进而人工制作出排班表。因为人工估算的准确率低,很多信息没有及时采集到,所以在实践中,经常出现静脉置管科室内护士与患者的数量不匹配,进而需要临时的进行护士人员调度,而临时调度过来的护士又需要进行进一步的工作量核对工作,降低了工作效率。
发明内容
本申请的内容部分用于以简要的形式介绍构思,这些构思将在后面的具体实施方式部分被详细描述。本申请的内容部分并不旨在标识要求保护的技术方案的关键特征或必要特征,也不旨在用于限制所要求的保护的技术方案的范围。
作为本申请的第一个方面,为了解决以上背景技术部分提到的技术问题,本申请提供了一种静脉导管科室的自适应排班系统,包括:
数据采集模块:从医院的信息储存系统获取需要进行留置导管处理的已有患者的病历信息;
信息提取模块:从已有患者的病历信息中提取出与留置导管处理相关的时间信息和留置导管处理类型,根据每种留置导管处理类型和时间信息生成预测数据;
预测模块:基于预先建立的预测模型和所述预测数据进行预测,输出得到每个换岗周期所需的医护数量;
排班模块:根据每个换岗周期所需的医护数量生成本周排班表。
本申请所提供的技术方案中,将预测数据输入至预测模型中,大致得到了各项留置导管处理类型的数量,并以此计算出各项留置导管处理类型的数量,所以生成的排班表能够满足需求;并且,数据采集模块能够实时的收集门诊系统中录入的患者信息,进而能够及时的收集并更新预测数据,从而能够实时的对本周排班表进行更新,保证了静脉置管科室内的人员数量与患者数量基本能够匹配,尽量减少或者避免从其余科室调配人员进行支援的情况,减少了医护人员在临时的调配任务中因为需要确认新的排班信息和临时确认所需要的工作,所导致的工作时间浪费在无意义的目的地转换上,进而提高了医护人员的工作效率。
在医院的实际管理中,护理人员的休假制度实际上是固定的,不可能随着患者数量的多少,而对护理人员的工作时间进行调整。而本方案中,主要是调整静脉导管室内的在岗人员数量,所以不需要过于超前的预知能力,但是需要尽量增加短期内预知到静脉导管室人员的准确性。针对这一问题,本申请提供了如下方案:
进一步的,所述需要进行留置导管处理的已有患者的病历信息包括需要置入留置导管的患者的病历信息和已置入留置导管的患者的病历信息。
本申请所提供的技术方案中仅仅收集了两类患者,第一类患者是需要置入留置导管的患者,另一类患者则是已置入留置导管的患者,这两类患者都是短期内需要进行留置导管处理的患者,所以收集这类患者的病历信息,虽然不能够在长时间的跨度上,预测出静脉导管室所需要进行处理的数量,但是却能够在减少需要考虑的无关变量的基础上,在短期内准确的预测出进入到静脉导管室内的患者数量。
已置入留置导管的患者,其下次护理的时间一般受到留置导管的护理周期和并发症的影响。而未置入留置导管的患者,其置管时间相对而言较为固定,会受到手术时间和开始治疗的时间影响。所以两类患者存在一定的特异性区别,进而将两类患者的信息合并在一起处理,容易导致预测精度降低,针对这一问题,本申请提供了如下技术方案:
进一步的,信息提取模块包括第一信息提取单元、第二信息提取单元,以及信息收集单元,信息收集单元分别与第一信息提取单元和第二信息提取单元信号连接;
第一信息提取单元从需要置入留置导管的患者的病历信息中提取出手术的开始时间或者药物输入的开始时间,将对应患者的手术的开始时间或者药物输入的开始时间和病历信息作为第一数据包;
第二信息提取单元从已置入留置导管的患者的病历信息中提取出下次进行留置导管处理的时间,将对应患者的下次进行留置导管处理的时间和病历信息作为第二数据包;
信息收集单元收集第一数据包和第二数据包以生成预测数据。
本申请所提供的技术方案中,针对两类不同的患者分别选择不同的方式,提取出对应的时间信息。所以在后续的处理时,能够采用不同的方式对这两类患者的时间信息进行处理,避免了采用单一的处理方式处理两类患者的时间信息时,所引起的预测精度问题。
在实际的临床环境中,有些患者实际上已经处于了一个卧床不起的状态,这类患者的留置导管处理工作,并不是由静脉导管室负责,而是由患者所在的病房负责,所以将这类患者计入静脉导管室所需要处理的患者中,会导致预测结果与实际情况出入太大。针对这一问题,本申请提供了如下方案:
数据采集模块实时收集需要进行留置导管处理的已有患者的病情进程,当患者进入卧床状态之后,将该患者的相关数据从预测数据中删除。
本申请所提供的技术方案中,会通过不断的收集待处理患者列表中各患者病情进程,进而将一些进入卧床状态,而不会去静脉导管室进行留置导管处理的患者从待处理患者列表中删除。
进一步的,预测模块包括第一类患者时间预测单元和第二类患者时间预测单元,以及设置信息录入单元;设置信息录入单元分别与第一类患者时间预测单元和第二类患者时间预测单元信号连接;
第一数据包输入至第一类患者时间预测单元生成需要置入留置导管的患者在各换岗周期内到达静脉置管科室的患者数量,根据各需要置入留置导管的患者在各换岗周期内到达静脉置管科室的患者数量生成第一计算数据;
第二数据包输入至第二类患者时间预测单元,得到已置入留置导管的患者在各换岗周期内到达静脉置管科室的患者数量,根据各已置入留置导管的患者在各换岗周期内到达静脉置管科室的患者数量生成第二计算数据;
将第一计算数据和第二计算数据输入至设置信息录入单元,得到各个换岗周期内各种留置导管处理类型的患者数量,根据各个换岗周期内各种留置导管处理类型的患者数量计算出各换岗周期所需的医护数量。
进一步的,设置信息录入单元计算各换岗周期所需的医护数量的方式如下:
步骤1:预先设置单位工作量和换岗周期跨度,并给每种类型的留置导管处理设置所需要的单位工作量;
步骤2:预先设置每个护理人员在每个换岗周期内能够完成的单位工作量的数量;
步骤3:根据每种类型的留置导管处理所需要的单位工作量计算每个换岗周期内所需要的工作总量;
步骤4:根据工作总量计算每个换岗周期内的护理人员数量。
进一步的,步骤1中,每种类型的留置导管处理所需要的单位工作量与平均完成时间相关。
本申请的有益效果在于:提供了一种能够合理调度静脉导管室资源的调度方法,保证了静脉导管室内的医疗资源能够与静脉导管室内的患者数量相互匹配,避免了医护人员来回调动,而对工作效率的影响。
附图说明
构成本申请的一部分的附图用来提供对本申请的进一步理解,使得本申请的其它特征、目的和优点变得更明显。本申请的示意性实施例附图及其说明用于解释本申请,并不构成对本申请的不当限定。
另外,贯穿附图中,相同或相似的附图标记表示相同或相似的元素。应当理解附图是示意性的,元件和元素不一定按照比例绘制。
在附图中:
图1为静脉导管科室的自适应排班系统的结构示意图。
图2为静脉导管科室的自适应排班系统具体的结构示意图。
图3为某个患者到达静脉置管科室的患者数量分布图。
具体实施方式
下面将参照附图更详细地描述本申请的实施例。虽然附图中显示了本申请的某些实施例,然而应当理解的是,本申请可以通过各种形式来实现, 而且不应该被解释为限于这里阐述的实施例。相反,提供这些实施例是为了更加透彻和完整地理解本申请。应当理解的是,本申请的附图及实施例仅用于示例性作用,并非用于限制本申请的保护范围。
另外还需要说明的是,为了便于描述,附图中仅示出了与有关发明相关的部分。在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互组合。
下面将参考附图并结合实施例来详细说明本申请。
参照图1和图2,静脉导管科室的自适应排班系统包括数据采集模块、信息提取模块、预测模块,以及排班模块,数据采集模块与医院的信息储存系统信号连接,信息提取模块与数据采集模块信号连接,预测模块与信息提取模块信号连接,排班模块与预测模块信号连接。
数据采集模块:从医院的信息储存系统获取需要进行留置导管处理的已有患者的病历信息。
现在的医院内部管理工作中,都是信息化管理,患者在进入到医院之后,所有的治疗信息都会以电子信息的方式记录在医院的服务器或者说医院的信息储存系统中。所以,通过访问医院的服务器,能够获取所有的患者的病历信息。
具体的,需要进行留置导管处理的患者,一部分是已经放置了留置导管的患者,针对这类患者可以通过提取患者的病历信息中的治疗过程,判断出患者是否埋置有留置导管,这里可以提取患者的病历信息中使用的耗材是否有留置导管,或者规定相关人员在录入患者的病历信息时,直接设置一个用于标记留置导管的标识,如果患者置入了留置导管则增加这个标识。
还有一类患者是还没有布置留置导管但是即将布置留置导管的患者,这类患者一般都是需要在医院进行手术或者化疗的患者。这类患者可以通过获取患者的诊断进程来获得。在肿瘤医院中,大部分的患者都是在其余的医院确诊,或者疑似确诊了肿瘤之后,来医院进行检查、诊断,以及治疗的患者。患者在医院内诊断出疾病,并决定进行对应的治疗时,将需要进行置入留置导管的患者标记起来,具体的,在肿瘤医院中,大部分的患者都需要使用静脉导管来进行对症治疗,如施行肿瘤切除手术的时候需要留置导管快速大量补液、测定中心静脉压等;化学治疗的药物大多为腐蚀性刺激性药物,需要各类留置导管来输注,避免药物外渗,造成皮下组织坏死等严重并发症;患者营养情况低下,需要深静脉导管输注高蛋白、氨基酸营养液等,因此针对无深静脉导管的患者来说,大多数进入医院后都需要根据治疗需求安置不同类型的留置导管。
如此,通过病历信息内记录的相关信息,可以直接从中提取出是否需要进行留置导管处理的患者。具体的提取方式为现有技术,如何从病历信息中提取出所需要的留置导管处理类型、留置导管处理时间这里不再赘述。
进一步的,数据采集模块实时收集需要进行留置导管处理的已有患者的病情进程,当患者进入卧床状态之后,将该患者的相关数据从预测数据中删除。
置管科室需要患者到置管科室进行留置导管处理。如果患者已经卧床不起,则由对应的病房护士进行处理。
进一步的,数据采集模块实时更新待处理患者列表。
医院在运转过程中,会不断的有新的病人,同时也有病人治愈,所以需要及时的更新待处理患者列表,对于新加入的病人,则需要加入到待处理患者列表中,对于已经治愈的患者,则从待处理患者列表中去除。
例如,医院使用的留置导管管理系统中针对每个需要置管的患者都设置了一个唯一标识码(6位数字的流水号),置管完成后通过流水号将相关信息登记保存后,待处理列表中就自动去除该患者。
进一步的,所述需要进行留置导管处理的已有患者的病历信息包括需要置入留置导管的患者的病历信息和已置入留置导管的患者的病历信息。
具体的,在医院的治疗流程中,如果患者在已经确诊了肿瘤之后,一般会存在两个方案,第一个方案则是在医院内治疗,另一个方案则是转院。转院的方案这里不进行考虑,而如果需要在医院内治疗,大部分的治疗方案都是住院治疗,而医院的住院治疗是需要进行排期的,也就是除开危重病人,一般的病人在同意治疗之后,需要等待一段的时间,等医院内的存在预留的病房,或者手术室能排出时间之后,再进行治疗。这类患者在手术之前,则需要置入留置导管,所以很多患者都是在手术当天完成留置导管的置入。当然,有些手术比较简单的患者,可能是在手术时置入留置导管。这种情况,则不进行考虑。或者直接将这类患者去除。所以可以将这类患者作为第一类患者。相应的,进行化疗的话,也是存在一个开始治疗的时间,与手术时间相似,也是在开始化疗之前,进行留置导管的布置。
具体的,以医生对患者开出具体的治疗方案或者处方之后认定为需要进行手术或者长期治疗的患者。例如,医生对患者开出了某项手术方案之后,从手术方案中提取出对应的置管类型。这里提取置管类型的方案可以通过文字提取技术提取,或者直接将置管类型用不同的编码进行替代,以提取相应的编码。
除此之外,医院内还存在很多已置入留置导管的患者,这类患者后续需要进行留置导管的护理和留置导管的拔出,而留置导管的护理一般是周期性的进行护理,这个时间相对而言是确定的,能够直接收集到。而留置导管的拔出则一般与患者的治疗进程有关系,例如患者需要进行5个疗程的化疗,在第5个疗程的药物治疗之后,则会进行留置导管的拔出,然后出院。所以,在实践中,已经具有留置导管的患者,其下次的护理时间也是能够预测出来的。
信息提取模块:从已有患者的病历信息中提取出与留置导管处理相关的时间信息,根据病历信息和时间信息生成预测数据。
信息提取模块包括第一信息提取单元、第二信息提取单元,以及信息收集单元,信息收集单元分别与第一信息提取单元和第二信息提取单元信号连接。
第一信息提取单元从需要置入留置导管的患者的病历信息中提取出手术的开始时间或者药物输入的开始时间,将对应患者的手术的开始时间或者药物输入的开始时间和病历信息作为第一数据包。信息收集单元收集第一数据包和第二数据包以生成预测数据。
第一数据包实际上就是一个记载了患者相关病历信息和开始时间的表格:这里的相关病历信息主要是指会影响开始时间的信息,例如患者的年龄、置管类型等。如下表所示:
表1:第一数据包的数据列表:
姓名 身份标识 相关病历信息 开始时间
张三 123 经手臂穿刺的中心静脉导管 xxx年xxx月xxx日
李四 124 经颈内静脉穿刺的中心静脉导管 xxx年xxx月xxx日
王五 124 完全植入式输液港 xxx年xxx月xxx日
第二信息提取单元从已置入留置导管的患者的病历信息中提取出下次进行留置导管处理的时间,将对应患者的下次进行留置导管处理的时间和病历信息作为第二数据包。第二数据包与第一数据包的类型相同。如下表所示:
表2:第二数据包的数据列表:
姓名 身份标识 相关病历信息 留置导管处理的时间
经手臂穿刺的中心静脉导管 xxx年xxx月xxx日
经颈内静脉穿刺的中心静脉导管 xxx年xxx月xxx日
完全植入式输液港 xxx年xxx月xxx日
无论是第一类患者,还是第二类患者,其对应的下次进行留置导管处理的时间都是能够得到的。例如,对于第一类患者中,某个患者需要在3天后进行手术,那么这个患者置入留置导管的时间应该就是在手术的当天,也就是在第3天,所以这些信息可以从病历信息中提取,然后记录下来。
而某个患者在当天进行了留置导管的护理之后,下次到静脉导管室进行护理的时间,就是留置导管的护理周期。这个护理周期会自动生成,或者由护理的护士生成。例如,完全植入式输液港维护周期为1月1次、经手臂穿刺的中心静脉导管维护周期为7天1次、经颈内静脉或股静脉或锁骨下静脉穿刺的中心静脉导管维护周期为7天2次。这些信息可以自动生成,或者由置管护士根据实际情况生成,然后记录下来。
这些时间都能够从病历信息中直接提取出来,具体的提取方式这里不再赘述。在实践中,可以在每个患者完成了留置导管处理,或者办理了住院手续之后,就自动或者手动生成留置导管的时间。
预测模块:基于预先建立的预测模型和所述预测数据进行预测,输出得到每个换岗周期所需的医护数量。而这里所提及的换岗周期实际上就是一个具体的时间跨度,与医院的排班制度相关。
因为已置入留置导管的患者和未置入留置导管的这两类患者的进行留置导管处理的时间是不一致的,所以需要采用两个不同单元进行处理。
具体的,预测模块将留置导管处理按照平均处理时长进行分类。预测模块包括第一类患者时间预测单元和第二类患者时间预测单元,以及设置信息录入单元。设置信息录入单元分别与第一类患者时间预测单元和第二类患者时间预测单元信号连接。
留置导管处理存在很多种种类,需要根据实际情况和医院的执行情况来划分。一般而言,可以划分为各种类型的留置导管的置入,各种类型的留置导管的护理,以及各种类型的留置导管的插拔。留置导管的类型大概可以划分为如下几种:经手臂穿刺的中心静脉导管,经颈内静脉/股静脉/锁骨下静脉穿刺的中心静脉导管,完全植入式输液港等共5种类型。以上仅仅是列举的部分例子,可以根据实际情况进行相应的增加和删减。而预测模块将留置导管处理按照平均处理时长进行分类,实际上就是在第一类患者时间预测单元和第二类患者时间预测单元,以及设置信息录入单元中都录入这个分类信息。
第一数据包输入至第一类患者时间预测单元生成需要置入留置导管的患者在各换岗周期内到达静脉置管科室的患者数量;
根据各需要置入留置导管的患者在各换岗周期内到达静脉置管科室的患者数量生成第一计算数据。
具体的,第一类时间预测单元中预先配置有患者的到达率n。
患者的到达率n根据历史数据预先设置。下面为一种到达率的计算方式:n=N/M;其中,N为当天在手术室报到的患者数量,M为当天预定计划中需要进行手术和化疗的患者的数量。例如,某天医院内记录了有100个患者需要进行手术,但是只有90个患者在手术室报到,剩下的10个患者则没有进行手术,这10个患者自然也不会进行了留置导管的置入。
需要置入留置导管的患者没有进行手术的因素非常复杂,例如对预后情况不理想,出现了转院需求,或者突然不想治疗。但是,总体而言,这个手术的到达率的波动情况比较小,与医院的医疗能力有关系。所以,可以预先根据历史数据计算之后得到。在更为具体的实施方式中,可以给不同科室的患者,计算不同的到达率。一般而言,医疗条件越好、在业内越有名的医院,其到达率会越高。而有些医院则是部分科室比较强,这些强的科室,其到达率就高,其余的科室到达率就相对而言较低。例如,有A科室有10个患者在2月20日会进行手术,B科室有10个患者会在2月20日进行手术。A科室的到达率为90%,B科室的到达率为80%,则一般而言这两个科室在2月20日会有17个患者进行手术,也就是有17个患者需要进行留置导管处理。
进一步的,第一类患者时间预测单元,计算各换岗周期内各种留置导管处理类型的患者数量的公式如下:Ai=[Bi×n];其中,[]为取整符号,i为留置导管处理类型的索引,表示第i种留置导管处理类型,Ai表示需要置入留置导管的患者中的患者分配到换岗周期内第i种留置导管处理类型的患者数量。
如此,通过预测模型中预先设置的到达率n,就能够计算出各换岗周期内各种留置导管处理类型的患者数量。也就说在第一计算数据中就已经包含了各换岗周期内各种留置导管处理类型的患者数量。
第二数据包输入至第二类患者时间预测单元,得到已置入留置导管的患者在各换岗周期内到达静脉置管科室的患者数量,根据各已置入留置导管的患者在各换岗周期内到达静脉置管科室的患者数量生成第二计算数据。
已置入留置导管患者主要是对留置导管进行护理或者去除,这个护理和去除的时间一般都不是固定的。相对而言,会以护士口述的护理周期为均值呈现出正态分布。假如某个患者需要2月20日进行置管护理,则其到达置管科室进行护理各换岗周期的概率服从正态分布。如图3所示。图3中的x表示的就是护士或者说医护人员要求患者到达静脉置管科室的日期,+1或-1则是对应的天数。以前文的举例为例,如果患者需要在2月20日达到静脉置管进行置管处理,则根据图3中的概率分布,患者在2月20日到达静脉置管科室的概率最大,但是并不是表示患者一定会在2月20日到达静脉置管科室。
第二类患者时间预测单元中预先配置有患者到达时间的均值偏移量和方差。
均值偏移量和方差为预先设置,均值偏移量用于调整均值的位置,方差用于描述正态分布函数的离散程度。一般而言,正态分布函数的离散程度可以通过历史数据统计进行计算之后得到。而均值偏移量则用于调整均值的位置,均值偏移量主要是考虑患者的并发症情况,如果患者的并发症概率比较大,则需要将其的均值相较于更换周期而适当提前。在实际设置中,给不同年龄段的患者设置不同的均值偏移量。例如,给小于40周岁的患者的均值偏移量设置为0, 小于50周岁大于40周岁的患者均值偏移量设置为1天,假如某个患者年龄为30岁,其均值偏移量为0,所以该患者的正态分布则是以护理周期到达的那一天为期望。如果,某个患者的年龄为45周岁,则该患者的正态分布则是以护理周期到达的前一天作为期望。
均值偏移量和方差的具体设置方式这里不进一步的阐述,可以采用医院的历史数据,利用聚类分析等手段得到,或者直接根据经验而预先设置。
进一步的,第二类患者时间预测单元中,计算各换岗周期内各种留置导管处理类型的患者数量的公式如下:Ci=[Di];[]为取整符号,i为留置导管处理类型的索引,表示第i种留置导管处理类型,Ci为已置入留置导管的患者分配到换岗周期内的第i种留置导管处理类型的患者数量,Di为已置入留置导管的患者在换岗周期内第i种留置导管处理类型的患者的到达率的和。
例如,在已置入留置导管的患者,记录了Y患者需要在20号进行置管护理,则根据预先设置的期望系数和方差,就能够算出Y患者在各个时间内的概率分布。这样,就能够计算出每个换岗周期内,所有患者的概率分布的总和,这个总和在取整之后,就是对应的患者数量。如此在第二计算数据中就已经包含了各换岗周期内各种留置导管处理类型的患者数量。
将第一计算数据和第二计算数据输入至设置信息录入单元,得到各个换岗周期内各种留置导管处理类型的患者数量,根据各个换岗周期内各种留置导管处理类型的患者数量计算出各换岗周期所需的医护数量。
具体的,设置信息录入单元计算各个换岗周期内各种留置导管处理类型的患者数量的方式如下:
将第一计算数据和第二计算数据输入至设置信息录入单元,得到各个换岗周期内各种留置导管处理类型的患者数量。
因为第一计算数据和第二计算数据中都记载了各换岗周期内各种留置导管处理类型的患者数据,所以这里实际上就是一个求和的步骤。
进一步的,设置信息录入单元计算各换岗周期所需的医护数量的方式如下:
步骤1:预先设置单位工作量,并给每种类型的留置导管处理设置所需要的单位工作量。
虽然每个护理人员的工作能力不同,但是总体而言的处理效率都比较相近。而不同类型的留置导管处理所需要的时间是不同的。如此,以所需要的单位工作量,来衡量各留置导管处理所需要的时间。
进一步的,步骤1中,每种类型的留置导管处理所需要的工作量与平均完成时间相关。根据完成时间来评价工作量,能够便于护理人员的工作安排;例如,将1个单位工作量记录为1,如果留置导管处理需要10分钟完成,则工作量就是10。
步骤2:预先设置每个护理人员在每个换岗周期内能够完成的单位工作量的数量。
每个护理人员在换岗周期内能够完成的工作量,可以根据日常的工作日志进行计算,或者由实际情况进行调整。在人手不足时,则尽量增加这个数值,在人手盈余时,则可以减少这个数值。例如,将最简单的留置导管护理工作设置为1个单位工作量。护士在换岗周期内能够平均完成20个最简单的留置导管护理工作,则护士在换岗周期内能够完成的单位工作量的数量就是20个。
步骤3:根据每种类型的留置导管处理所需要的单位工作量计算每个换岗周期内所需要的工作总量。
因为换岗周期内每种类型的留置导管处理的数量能够计算出来,而每种类型的留置导管处理的单位工作量已经预先设置。所以对应的工作总量也能够计算出来。
步骤4:根据工作总量计算每个换岗周期内的护理人员数量。
排班模块:根据每个换岗周期所需的医护数量生成本周排班表。本周排班表会每天更新,并且在更新时自动发送给对应的医护人员。排班模块生成排班表的规则可以预先设置,在知道需要具体几个工作人员的情况下,可以按照预先设置的规则,生成排班表。
以上描述仅为本申请的一些较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解,本申请的实施例中所涉及的发明范围,并不限于上述技术特征的特定组合而成的技术方案,同时也应涵盖在不脱离上述发明构思的情况下,由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本申请的实施例中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。

Claims (6)

1.一种静脉导管科室的自适应排班系统,其特征在于:包括:
数据采集模块:从医院的信息储存系统获取需要进行留置导管处理的已有患者的病历信息;
信息提取模块:从已有患者的病历信息中提取出与留置导管处理相关的时间信息,根据病历信息和时间信息生成预测数据;
预测模块:基于预先建立的预测模型和所述预测数据进行预测,输出得到每个换岗周期所需的医护数量;
排班模块:根据每个换岗周期所需的医护数量生成本周排班表。
2.根据权利要求1所述的静脉导管科室的自适应排班系统,其特征在于:所述需要进行留置导管处理的已有患者的病历信息包括需要置入留置导管的患者的病历信息和已置入留置导管的患者的病历信息。
3.根据权利要求2所述的静脉导管科室的自适应排班系统,其特征在于:信息提取模块包括第一信息提取单元、第二信息提取单元,以及信息收集单元,信息收集单元分别与第一信息提取单元和第二信息提取单元信号连接;
第一信息提取单元从需要置入留置导管的患者的病历信息中提取出手术的开始时间或者药物输入的开始时间,将对应患者的手术的开始时间或者药物输入的开始时间和病历信息作为第一数据包;
第二信息提取单元从已置入留置导管的患者的病历信息中提取出下次进行留置导管处理的时间,将对应患者的下次进行留置导管处理的时间和病历信息作为第二数据包;
信息收集单元收集第一数据包和第二数据包以生成预测数据。
4.根据权利要求3所述的静脉导管科室的自适应排班系统,其特征在于:数据采集模块实时收集需要进行留置导管处理的已有患者的病情进程,
当患者进入卧床状态之后,将该患者的数据从预测数据中删除。
5.根据权利要求3所述的静脉导管科室的自适应排班系统,其特征在于:
预测模块将留置导管处理按照平均处理时长进行分类;
预测模块包括第一类患者时间预测单元和第二类患者时间预测单元,以及设置信息录入单元;
设置信息录入单元分别与第一类患者时间预测单元和第二类患者时间预测单元信号连接;
第一数据包输入至第一类患者时间预测单元生成需要置入留置导管的患者在各换岗周期内到达静脉置管科室的患者数量,根据各需要置入留置导管的患者在各换岗周期内到达静脉置管科室的患者数量生成第一计算数据;
第二数据包输入至第二类患者时间预测单元,得到已置入留置导管的患者在各换岗周期内到达静脉置管科室的患者数量,根据各已置入留置导管的患者在各换岗周期内到达静脉置管科室的患者数量生成第二计算数据;
将第一计算数据和第二计算数据输入至设置信息录入单元,得到各个换岗周期内各种留置导管处理类型的患者数量,根据各个换岗周期内各种留置导管处理类型的患者数量计算出各换岗周期所需的医护数量。
6.根据权利要求5所述的静脉导管科室的自适应排班系统,其特征在于:设置信息录入单元计算各换岗周期所需的医护数量的方式如下:
步骤1:预先设置单位工作量,并给每种类型的留置导管处理设置所需要的单位工作量;
步骤2:预先设置每个护理人员在每个换岗周期内能够完成的单位工作量的数量;
步骤3:根据每种类型的留置导管处理所需要的单位工作量计算每个换岗周期内所需要的工作总量;
步骤4:根据工作总量计算每个换岗周期内的护理人员数量。
CN202410380723.2A 2024-03-31 2024-03-31 静脉导管科室的自适应排班系统 Active CN117976174B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202410380723.2A CN117976174B (zh) 2024-03-31 2024-03-31 静脉导管科室的自适应排班系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202410380723.2A CN117976174B (zh) 2024-03-31 2024-03-31 静脉导管科室的自适应排班系统

Publications (2)

Publication Number Publication Date
CN117976174A true CN117976174A (zh) 2024-05-03
CN117976174B CN117976174B (zh) 2024-06-04

Family

ID=90851884

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202410380723.2A Active CN117976174B (zh) 2024-03-31 2024-03-31 静脉导管科室的自适应排班系统

Country Status (1)

Country Link
CN (1) CN117976174B (zh)

Citations (17)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103325024A (zh) * 2013-07-18 2013-09-25 北京影合众新媒体技术服务有限公司 智能排班系统
US20170199965A1 (en) * 2015-04-21 2017-07-13 Medaware Ltd. Medical system and method for predicting future outcomes of patient care
US20180261319A1 (en) * 2017-03-08 2018-09-13 Danielle Erin Bowie Nurse scheduling forecasts using empirical regression modeling
CN112185533A (zh) * 2020-10-23 2021-01-05 泰康保险集团股份有限公司 远程医疗系统及远程医疗的医生资源分配方法、存储介质
CN112185524A (zh) * 2020-01-20 2021-01-05 广州海鹚网络科技有限公司 医护人员值班人数的获取方法、装置、设备和存储介质
CN112200411A (zh) * 2020-09-10 2021-01-08 华中科技大学同济医学院附属协和医院 一种兼顾病人和护理人员诉求的护理人力资源排班系统
JP2021099767A (ja) * 2019-12-21 2021-07-01 弘容 杉原 看護業務量予測型 看護管理システム
CN215608284U (zh) * 2021-09-01 2022-01-25 金香兰 一种中心静脉导管
US20220061919A1 (en) * 2020-09-02 2022-03-03 Abys Medical Method And Integrated System For Assisting In Setting Up A Personalized Therapeutic Approach For Patients Subject To Medical And Surgical Care
CN114240071A (zh) * 2021-11-25 2022-03-25 南京南瑞信息通信科技有限公司 一种基于人员动态承载力的应急排班装置及方法
CN115881288A (zh) * 2023-03-03 2023-03-31 四川省肿瘤医院 静脉置管管理系统
CN116130064A (zh) * 2022-11-03 2023-05-16 苏州德品医疗科技股份有限公司 基于规则约束的自动排班算法
CN116721751A (zh) * 2023-08-10 2023-09-08 四川大学 一种基于临床大数据的医护排班方法及系统
CN116913492A (zh) * 2023-07-25 2023-10-20 浙江远图技术股份有限公司 一种医护信息管理方法、装置、设备和介质
CN117038039A (zh) * 2023-08-18 2023-11-10 厦门狄耐克物联智慧科技有限公司 一种基于深度学习的智慧病房资源调度方法和系统
WO2024015885A1 (en) * 2022-07-14 2024-01-18 Zoll Medical Corporation Systems and methods for providing context sensitive guidance for medical treatment of a patient
CN117877699A (zh) * 2024-01-25 2024-04-12 江苏国光信息产业股份有限公司 基于数据分析的医院门户管理方法及系统

Patent Citations (17)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103325024A (zh) * 2013-07-18 2013-09-25 北京影合众新媒体技术服务有限公司 智能排班系统
US20170199965A1 (en) * 2015-04-21 2017-07-13 Medaware Ltd. Medical system and method for predicting future outcomes of patient care
US20180261319A1 (en) * 2017-03-08 2018-09-13 Danielle Erin Bowie Nurse scheduling forecasts using empirical regression modeling
JP2021099767A (ja) * 2019-12-21 2021-07-01 弘容 杉原 看護業務量予測型 看護管理システム
CN112185524A (zh) * 2020-01-20 2021-01-05 广州海鹚网络科技有限公司 医护人员值班人数的获取方法、装置、设备和存储介质
US20220061919A1 (en) * 2020-09-02 2022-03-03 Abys Medical Method And Integrated System For Assisting In Setting Up A Personalized Therapeutic Approach For Patients Subject To Medical And Surgical Care
CN112200411A (zh) * 2020-09-10 2021-01-08 华中科技大学同济医学院附属协和医院 一种兼顾病人和护理人员诉求的护理人力资源排班系统
CN112185533A (zh) * 2020-10-23 2021-01-05 泰康保险集团股份有限公司 远程医疗系统及远程医疗的医生资源分配方法、存储介质
CN215608284U (zh) * 2021-09-01 2022-01-25 金香兰 一种中心静脉导管
CN114240071A (zh) * 2021-11-25 2022-03-25 南京南瑞信息通信科技有限公司 一种基于人员动态承载力的应急排班装置及方法
WO2024015885A1 (en) * 2022-07-14 2024-01-18 Zoll Medical Corporation Systems and methods for providing context sensitive guidance for medical treatment of a patient
CN116130064A (zh) * 2022-11-03 2023-05-16 苏州德品医疗科技股份有限公司 基于规则约束的自动排班算法
CN115881288A (zh) * 2023-03-03 2023-03-31 四川省肿瘤医院 静脉置管管理系统
CN116913492A (zh) * 2023-07-25 2023-10-20 浙江远图技术股份有限公司 一种医护信息管理方法、装置、设备和介质
CN116721751A (zh) * 2023-08-10 2023-09-08 四川大学 一种基于临床大数据的医护排班方法及系统
CN117038039A (zh) * 2023-08-18 2023-11-10 厦门狄耐克物联智慧科技有限公司 一种基于深度学习的智慧病房资源调度方法和系统
CN117877699A (zh) * 2024-01-25 2024-04-12 江苏国光信息产业股份有限公司 基于数据分析的医院门户管理方法及系统

Non-Patent Citations (5)

* Cited by examiner, † Cited by third party
Title
THOMAS R MEINEL ,等: "Time to treatment with bridging intravenous alteplase before endovascular treatment:subanalysis of the randomized controlled SWIFT-DIRECT trial", JOURNAL OF NEUROINTERVENTIONAL SURGERY, vol. 15, no. 1, 28 July 2022 (2022-07-28), pages 102 *
ZUPANCIC JA,等: "Characterization of the triage process in neonatal intensive care", PEDIATRICS, vol. 102, no. 06, 1 December 1998 (1998-12-01), pages 1432 - 1436 *
杜少甫,等: "医疗运作管理:新兴研究热点及其进展", 管理科学学报, vol. 16, no. 08, 15 August 2013 (2013-08-15), pages 1 - 19 *
杨慧,等: "治疗干预评分系统在ICU中应用的研究进展", 中国护理管理, vol. 16, no. 09, 15 September 2016 (2016-09-15), pages 1285 - 1288 *
邹玉蓉,等: "面向院内信息共享和精细化管理的排班系统设计与实现", 中国数字医学, vol. 11, no. 02, 15 February 2016 (2016-02-15), pages 34 - 36 *

Also Published As

Publication number Publication date
CN117976174B (zh) 2024-06-04

Similar Documents

Publication Publication Date Title
RU2630122C2 (ru) Способ непрерывного прогнозирования тяжести заболевания у пациента, летального исхода и длительности госпитализации
CN106793957B (zh) 用于预测患者护理未来结果的医疗系统和方法
US9251310B2 (en) Therapy management system and method for peritoneal dialysis
CN105528529B (zh) 基于大数据分析的中医临床技能评价体系的数据处理方法
EP2542992B1 (de) System für eine datenübertragung bei der ermittlung von medikamentenparametern
US20180150604A1 (en) Method and System for Determining The Nursing Workload of Care Workers
JP2005508544A (ja) 個体群に基づく分析による患者データマイニング
JP2016528605A (ja) 輸液計画システム
CN108538349A (zh) 基于临床路径偏差分析的医院临床路径调整系统及方法
CN117497149A (zh) 一种基于人工智能的医院管理方法及系统
CN117976174B (zh) 静脉导管科室的自适应排班系统
WO2022229964A1 (en) Method of generating a diseases database, usage of the diseases database, and system therefor
CN114947755A (zh) 一种nox指数计算方法及监护仪
CN114255887A (zh) 信息显示方法、装置、电子设备及存储介质
Blum et al. An oncology clinical information system
Laurent et al. A computerized data-handling system in hypertension management
CN117423443B (zh) 基于医疗服务平台的挂号患者调度方法
CN113628755B (zh) 患者的血糖控制方法、装置、设备以及存储介质
Collen et al. Functional goals and problems in large-scale patient record management and automated screening
WO2022202359A1 (ja) 情報処理装置、情報処理方法およびプログラム
Collen et al. The Computer Medical Record in Health Screening))
Crockett et al. Activity-based resource allocation: a system for predicting nursing costs
KR100458478B1 (ko) 임상유형을 이용한 임상데이터 전달시스템 및 방법
Kukreja et al. DRIVERS OF COST FOR AN EPISODE OF CARE IN RADICAL CYSTECTOMY: MP76-17
CN116417125A (zh) 非计划再入院的监测方法、装置、电子设备及存储介质

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