【技术实现步骤摘要】
本专利技术涉及医院风险分析，更具体地说，涉及所述应用于医院场景的科室主感染风险识别方法及系统。
技术介绍
1、风险评估是在风险事件发生之前或发生之后（但还未结束）进行量化分析与测评的过程。开展医院感染风险评估是有效识别和控制医院感染风险的重要方式，在医院场景中，风险识别、分析和评价方法的发展与医疗质量和患者安全的不断提升密切相关。过去的几十年中，医院风险管理逐渐从简单的事后错误纠正转变为预防性和系统性方法。技术背景包括了医疗事故报告系统、事件分析方法和质量指标体系的建立，以及统计分析和数据挖掘技术的应用。这些方法通过收集、分析和评估患者事件、医疗错误和不良事件的数据，帮助医院发现潜在风险并采取措施加以改进。此外，专家评估、风险矩阵、失效模式和效应分析等工具的引入也促进了风险识别和评价的全面性和系统性。通过持续的风险监测和改进，医院能够提高患者安全水平，降低医疗事故风险，提供更好的医疗质量和护理服务。
2、传统应用于医院场景中的风险识别、分析、评价方法存在一些不足之处。首先，传统方法通常依赖于人工的主观判断，容易受到个体经验和偏见的影响，缺乏客观性和一致性。其次，传统方法通常局限于历史数据和统计分析，无法充分考虑新兴风险和未知风险。此外，传统方法在数据收集、整合和分析方面可能存在繁琐、耗时和错误的问题，限制了风险识别和评价的准确性和实时性。此外，传统方法缺乏综合性和系统性，难以将风险因素和风险事件进行全面、动态的分析和评估。综上所述，传统方法在风险识别、分析和评价方面存在的不足需要通过引入新的创新方法和技术来解决，以提
3、公告号为cn108461154b的中国专利公开了一种医院感染监控管理装置及监控管理方法；具体公开了：包括医院感染监控管理服务器、医院信息集成平台、医院信息系统、实验室信息系统、医学影像存档与通讯系统、电子病历系统、医院感染监测服务器、微信企业号服务器、智能手机；通过新媒体信息推送，图文宣教，问卷调查等多方面互动功能，实现了计划（plan），执行（do），检查（check），调整（action）闭环的医院感染整体流程管理。本专利技术提高了疑似院感检测准确性，减少了医生工作量，优化了医院感染监控管理流程，可应用于医院感染监控。
4、公开号为cn111768874a的中国专利申请公开了一种新型冠状病毒感染的肺炎传染风险评估方法；具体公开了：包括如下步骤：（1）评估指标筛选；（2）应用改良版kaiser模型，建立hva评分标准；（3）制作hva评分表；（4）计算risk值，最后取平均值；（5）确定优先改进事件。本专利技术通过采用改良版kaiser模型首次应用于传染病公共卫生事件，对于同类传染病事件中筛选潜在感染风险事件具有重要的借鉴作用，避免风险事件的发生，有效降低交叉感染风险；风险事件制定应急预案具有极强的参考价值，对于本区域范围内的其他医院都具有重要的借鉴作用。
5、公开号为cn1684082a的中国专利申请公开了一种现代医院绩效的评估管理系统及其方法；具体公开了：包括：信息采集子系统、数据库子系统、绩效分析子系统和领导决策子系统，所述绩效分析子系统包括绩效分析模块、绩效指标模块和绩效报表生成模块，绩效指标模块包括资源配置结构a、工作效率b、医疗质量c、经济效益d、服务质量e和发展潜力f；该绩效指标体系使用主、客观多种方法进行筛选，其权重系数也是综合了多种主、客观方法获得，因此本专利技术所公开的6类14个指标将更客观更全面，其绩效的计算公式也将能更科学和更真实地反映被评估医院的业绩水平。
6、部分方案给出了主成分分析的技术手段，但计算方法复杂，对算力要求较高，且缺乏对院内感染风险的评价。
7、“院内感染管控”问题，实际上是一个“黑箱问题”，也就是说，不同的科室，存在不同的技术指标，包括医疗情况、护理情况等，但是，仍然会出现院内感染的问题，现有的控制院内感染的方案，并不知道不同科室的院内感染是主要由哪一个指标引发的，也就是说，不能量化地确定不同科室院内感染的“主因素”，在后续处理时，也无法进行针对性的改进，目前的做法，是要求科室对所有指标进行改进，这样会极大地耗费人力、物力、时间。
技术实现思路
1、本专利技术提供了应用于医院场景的科室主感染风险识别方法，包括以下步骤：
2、s1、确定场景范围；基于院内感染控制手册及规范的规定，确定院内感染管控区域，确定主感染风险识别的目标科室；
3、s2、建立科室感染黑箱模型；具体包括：
4、s21、确定科室感染黑箱模型的确定输入量和输出量；查阅院内感染控制手册及规范、外部文献、专家意见；确定院内感染风险指标，作为科室感染黑箱模型的输入量；确定院内感染结果指标，作为科室感染黑箱模型的输出量；
5、s22、确定科室感染黑箱模型的关系函数种类；
6、针对主感染风险识别的目标科室，确定院内感染风险指标包括管理风险指标、医疗风险指标和护理风险指标；确定院内感染结果指标包括结果评分，构建多维线性关系函数；满足：
7、；；
8、；；
9、其中，、和分别为管理风险指标、医疗风险指标和护理风险指标的风险系数；为管理风险指标的取值范围，为医疗风险指标的取值范围，为护理风险指标的取值范围；
10、s23、确定科室感染黑箱模型的考察量；
11、将未知的管理风险指标、医疗风险指标和护理风险指标的风险系数、和确定为科室感染黑箱模型的考察量；
12、s3、科室感染黑箱模型的解析；具体包括：
13、s31、调取既往数据；调取主感染风险识别目标科室的既往管理风险指标、既往医疗风险指标、既往护理风险指标，以及既往结果指标，构建既往风险结果数据映射；
14、其中，下标表示为第组既往风险结果数据；
15、s32、既往数据导入科室感染黑箱模型；
16、将数据已知的既往风险结果数据映射，导入风险系数、和未知的多维线性关系函数，完成数据导入；
17、s33、主成分分析；对已经完成数据导入的多维线性关系函数进行主成分分析，得到各结果指标的主成分顺序，确定目标科室的主感染风险，完成科室感染黑箱模型的解析；
18、s4、确定风险系数；根据目标科室的科室感染黑箱模型的解析结果，确定目标科室主感染风险，并对主感染风险的风险系数进行赋值，得到量化的线性风险结果关系函数；
19、s5、风险识别和分析；基于量化的线性风险结果关系函数，对各目标科室进行院内感染的风险识别、分析、评价和整改。
20、进一步的，步骤s4具体包括：
21、s41、对风险系数赋值；针对任一结果指标，将管理风险指标和结果指标分别按照主成分分析结果由高至低的顺序进行排序，对风险系数赋值，主成分顺序越高，风险系数赋值越大；
22、s42、将赋值后的风险系数代入基础线性风险结果关系函数，得到量化的线性风险结果关系函数，所述量化的线性风本文档来自技高网...
【技术保护点】
1.应用于医院场景的科室主感染风险识别方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的应用于医院场景的科室主感染风险识别方法，其特征在于，步骤S4具体包括：
3.根据权利要求2所述的应用于医院场景的科室主感染风险识别方法，其特征在于，所述风险评价矩阵满足：；；
4.根据权利要求3所述的应用于医院场景的科室主感染风险识别方法，其特征在于，步骤S41中：按照主成分分析结构由高至低的顺序，对管理风险指标的风险系数分别赋值为4、3、2、1。
5.根据权利要求3所述的应用于医院场景的科室主感染风险识别方法，其特征在于，步骤S41中：按照主成分分析结构由高至低的顺序，对医疗风险指标的风险系数分别赋值为4、3、2、1。
6.根据权利要求3所述的应用于医院场景的科室主感染风险识别方法，其特征在于，步骤S41中：按照主成分分析结构由高至低的顺序，对医疗风险指标的风险系数分别赋值为3、2、1。
7.根据权利要求3所述的应用于医院场景的科室主感染风险识别方法，其特征在于，步骤S41中：按照主成分分析结构由高至低的顺序，对
8.根据权利要求3所述的应用于医院场景的科室主感染风险识别方法，其特征在于，步骤S41中：按照主成分分析结果由高至低的顺序，对医疗风险指标的风险系数分别赋值为1.4、1.3、1.2、1.1。
9.根据权利要求3所述的应用于医院场景的科室主感染风险识别方法，其特征在于，步骤S41中：按照主成分分析结构由高至低的顺序，对医疗风险指标的风险系数分别赋值为1.3、1.2、1.1。
10.一种应用于医院场景的科室主感染风险识别系统，用于执行如权利要求1-9任一项所述的应用于医院场景的科室主感染风险识别方法，其特征在于，包括：
...【技术特征摘要】
1.应用于医院场景的科室主感染风险识别方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的应用于医院场景的科室主感染风险识别方法，其特征在于，步骤s4具体包括：
3.根据权利要求2所述的应用于医院场景的科室主感染风险识别方法，其特征在于，所述风险评价矩阵满足：；；
4.根据权利要求3所述的应用于医院场景的科室主感染风险识别方法，其特征在于，步骤s41中：按照主成分分析结构由高至低的顺序，对管理风险指标的风险系数分别赋值为4、3、2、1。
5.根据权利要求3所述的应用于医院场景的科室主感染风险识别方法，其特征在于，步骤s41中：按照主成分分析结构由高至低的顺序，对医疗风险指标的风险系数分别赋值为4、3、2、1。
6.根据权利要求3所述的应用于医院场景的科室主感染风险识别方法，其特征在于，步骤s41中：按照主成分分析结构由高至低的顺序，...
【专利技术属性】
技术研发人员：孙玉姣，刘雨鑫，孙鹏，罗方义，郑首昌，
申请(专利权)人：湖南德雅曼达科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。