医院突发事件应急救援案例培训方法研究*

李金奇，李向阳，于 峰

(哈尔滨工业大学 管理学院，黑龙江 哈尔滨 150001)

医院突发事件应急救援案例培训方法研究*

李金奇，李向阳，于 峰

(哈尔滨工业大学 管理学院，黑龙江 哈尔滨 150001)

为了应对当前公共突发事件的严峻形势，帮助医院建立一支训练有素、经验丰富的救援人员队伍，设计了一种面向医院应急救援人员的案例培训方法。应急应对经验表明，应急工作者所拥有的最重要资源就是相关的历史案例。分析了医疗应急救援事件的特征，设计了医疗应急救援案例属性表示的结构化模型，并结合案例推理技术，设计了生成目标案例的工作流程；结合群体互动学习的知识，设计了基于目标案例的群体培训学习方法。这有助于提升应急主体对突发事件情景的认知能力及决策素质，以便更好地对公共突发事件作出快速有效的应急响应。

突发事件；应急救援；案例培训；案例推理；互动学习

一、问题的提出

医院应急救援是指在公共突发事件发生时，医院迅速地组织相关人员，正确地应对并实施医疗救治的活动[1]。其强调了它不是对某一病人作临时抢救，而是针对一定规模突发、伤情严重、复杂的集体。这就对救援人员的复杂情景认知能力、应急知识及处置经验提出了较高的要求。我国正处于社会转型阶段，社会不稳定因素增多，各类突发事件时有发生，且呈上升趋势。2003年SRAS病毒、2008年汶川大地震、2009年甲型H1NI流感、“3.14”和“7.5”暴力恐怖等突发事件，给我国造成了巨大的人员伤亡和经济损失。重大突发事件的严峻形势，迫切需要医院建立一支训练有素、经验丰富的救援人员队伍，以便有效应对随时可能发生的应急事件。为此，本文从培训演练方面着手，对医院应急救援人员的培训工作展开了研究。

医院应急培训演练能够帮助应急人员对突发事件情景的认知进行构建、改善和加强，形成求解问题的思路，提升其在紧急状态下进行有效快速响应的能力[2]。国内外学者设计了经验传授方法、实际演练方法、排故演练系统等来实现对应急救援人员的培训。经验传授法[3]能够帮助救援人员快速地获取应急救援相关知识，提升对相同应急情急的应对熟练程度。但由于缺乏现实情境的刺激，使培训人员难以形成深刻的认知，应对相似情景的启发式思维缺乏，且知识及经验的复用性不高；实际演练方法[4-5]在一定程度上弥补了经验传授法情景性的缺乏，但由于医疗行业的特殊性，实际演练成本过高，普适性和推广性明显不足；基于传统数据库的排故演练系统[6-8]以规则等形式储存专家知识和经验，并为培训人员提供了一定的演练情境，具备知识复用性和情景性，然其只能实现精确的匹配查询功能，不能根据现实情境提供自适应的相似解决方案，深层次的知识和经验难以表达。因此，设计有效的医院应急培训方法便成为应急培训工作展开的关键问题。

案例推理(Case-Based Reasoning, CBR)技术是由Roger Schank教授于1982年提出的一种基于过去求解类似问题的经验来获得当前求解问题答案的推理模式[9]。该方法一经提出，就得到了国内外学者的肯定与好评并被广泛应用，其主要运用于辅助决策、危机预警等方面[10-12]，而应急培训方面的研究尚未涉及。基于案例推理的培训模式，可以比较有效地将历史案例作为参考知识，用以在相似情景态势下的培训学习，能够增加救援人员应急响应的可用知识量，减少因缺乏经验和具体任务规划造成的压力。本文以医院应急培训为研究主题，试图结合案例推理技术来设计医院应急培训方法。

医院应急救援事件涉及了人、设备、作业和管理等多个因素。本研究首先对医院应急救援事件的特征进行了分析，设计了医疗应急救援案例描述属性的结构化模型。在此基础上，结合案例推理技术以及群体学习的知识，设计了医院应急救援的案例培训方法。

二、医院应急救援案例及结构化模型

CBR技术应用的关键问题之一就是案例的表示。目前，医院应急案例多表现为网页的文本模式，案例信息与知识未经提炼，较难应用其进行培训。需要设计适用于应急培训的案例结构。本文参考美国国土安全部所制定的《National Planning Scenarios》[13]一文中致灾因子的描述，并结合医院应急救援的特点，设计了医疗应急救援案例描述属性包括：标识属性A1、分类属性A2、事故过程属性A3、处理措施属性A4、效果属性A5、案例应用属性A6。其中A2作为分类索引，措施属性A4和效果属性A5中的部分属性作为相似度计算中的特征值。

图1 医疗应急救援案例的结构化模型

医院应急救援案例采用集合的形式进行表示：A=(A1,A2,A3,A4,A5,A6)。其中，每一属性又可根据需要进一步细化为Ai=(Ai1,Ai2,…,Ain)。整个医院应急救援案例库则由不同属性层次上的案例关联而成，医院应急救援案例的结构化模型如图1所示。

三、医院应急救援案例培训方法构建

应急救援人员所拥有的最重要的资源就是相关的历史案例[14]，将其作为参考知识，用以在相似情景态势下的培训学习，可以帮助救援人员有效地梳理、积累应急应对经验，提升其对突发事件的快速响应能力。研究首先结合案例推理技术，设计了生成目标案例的工作流程，用于进一步的案例培训学习；然后，结合群体经验学习的知识，设计了基于目标案例的群体培训学习方法。

(一)基于CBR技术的目标案例生成

本文根据培训人员所给出的现有问题情景，运用案例推理技术，在案例库中检索出目标案例，进行培训学习。图2说明了这一工作流程。

图2 基于CBR技术的目标案例生成

1.属性输入:根据当前应急救援培训问题，提取问题的特征属性，并输入系统，用于目标案例的检索。

2.案例检索:采用最大整体相似度的方法用于检索出目标案例TC。整体相似度计算方法为：

(3)

sim(ICj,SCij)表示输入案例与源案例SCi在属性j上的相似程度。根据各属性值的特点，可以将其划分为确定符号(crispsymbolic,CS)、确定数(crispnumeric,CN)、模糊概念(fuzzylinguistic,FL)3种属性值[13]：

sim(ICj,SCij)=

3.阈值设定：本文兼顾培训效率以及效果，设计了二阶段阈值法来分段输出目标案例。设a为案例输出的标准阈值，b,b>a为案例输出的满意阈值。当所有案例相似度SIM(IC,SCi)

4.培训效果：医院应急培训的目的在于使医院应急人员对突发事件情景的认知进行构建、改善和加强，形成求解问题的思路，从而能够在紧急状态下进行快速响应。培训人员根据当前应急情景、自身经验，并结合推理出的案例进行培训学习，可达到下面三类培训效果：

一是认知构建：当培训人员对当前事件没有相当的认识时，可以通过案例培训，构建认知模块，形成求解问题的思路；

二是认知改善：结合案例，将案例中的情景应对描述与培训人员原有认知进行分析比较，可以帮助其对原有不当认知进行修正、改善。

三是认知加强：结合案例，当培训人员原有的认知与案例中的观点具有较高的相似时，可以对应急救援人员原有认知观点进行巩固、加强。

(二)基于目标案例的群体培训方法

当检索出的目标案例相似度没有达到满意度阈值时，目标案例所提供的经验知识不足以指导个体培训人员应对当前应急情景进行“参照式”的培训学习。此时，培训人员需要借助群体间经验强化、互动的特点，进行群体培训学习。从本质上讲，群体培训学习过程是一个在一定问题情境下的相互交流、强化的互动学习过程。群体培训过程中，个体的知识逐渐被群化、外化、融合和内化，最终形成群体成员对事物的一致、有效的认知[16]。这是一个逐步完善的过程。研究将案例推理所得到的目标案例作为培训人员的共同参考知识，并在此基础上，结合德尔菲法的一般步骤，以群体一致性为约束，设计了如图3所示的群体培训学习方法的一般过程：

图3 群体培训学习过程

Step1 信息共享及方案提出：培训人员共享输出的目标案例信息，并结合当前应急情景特征，提出可能的应对方案P={p1,p2,…,pi,…,pn}。

Step2 评价指标设定：各培训人员根据自身认知经验以及当前应急情景特征，设定方案的评价指标A={A1,A2,…,Aj…,Am}。

Step3 偏好设置：培训人员对每个方案设定自己的属性偏好值，并采用算数平均的方法对群体意见进行集结，得到方案i在评价指标j下的评价值rij，从而形成方案的评价矩阵R。

Step4 一致性修正：群体培训学习过程是一个存异、求同的过程。培训过程中，个体的不同知识进行相互的融合、内化，最终达成一致性的认知观点。因此，在进行一致性修正时，不仅要考虑群体的共性，还要考虑群体的差异性特征。对此，本文采用基于传递闭包的模糊聚类方法，将应对方案聚为不同的类，既对方案的数量进行了一致性的缩减(方便培训人员进行下一步进行综合研讨论证，提高论证效率)，也能较好保证群体中存在差异性。

Step5 论证与意见：首先，选取出每类中综合评价最高的方案作为待综合研讨论证的方案；接着，培训人员根据群体一致性约束对这些方案提出论证或意见。在进行相互意见论证的过程中，往往能够改善某些成员原有的认知观点或激发出某些新的思路(第一轮论证是个体知识的首次群化、融合，效果尤为明显)，里面暗含了个体关注群体中他人的认知以及互动学习能提高个体认知能力的群体学习特点。此时，将新生成的方案加入方案集，并重新修正自己的属性偏好。

Step6 若取得大体一致的群体意见，培训结束；反之，则返回step3，更新偏好，直至取得大体一致的群体意见。

四、案例培训用例分析

本文以哈尔滨市某医院一次豆角中毒应急救援事件为例，来说明医院应急救援案例培训方法的应用过程。此次豆角中毒事件涉及人数较多，多数患者恶心、腹痛、头晕症状明显，少数患者伴有胸闷、心慌，严重患者出现了昏迷症状。医院救援人员(在此以施救医生为例进行培训)现结合事故背景及特征，进行案例的培训学习。

首先，根据事故特征，提取此次豆角中毒事件的特征属性，见表1.

表1 提取特征属性信息

通过案例推理技术，在公共卫生-食物中毒类案例中检索到SC1-SC5共5个源案例，并经式(3)～(4)计算得：SIM(IC,SC1)=0.737，SIM(IC,SC2)=0.851，SIM(IC,SC3)=0.694，SIM(IC,SC4)=0.863，SIM(IC,SC5)=0.769。设定标准阈值a=0.75，满意阈值b=0.90。可以看出，3个方案满足标准阈值，但没有一个大于满意度阈值，且SC4具有最大相似度，将其作为目标案例。此时培训主体难以进行“参照式”的学习，需要抽取SC4的实时情景信息及应对策略信息，借助群体间经验强化、互动的特点，进行群体培训学习。此次培训共9名医疗应急人员T1-T9参加培训。各培训人员基于目标案例SC4以及自身经验，并结合当前应急救援问题特性，给出可能的救援方案，见图4。

图4 应急方案的提出过程

图4中，培训人员T1-T7提出的应对方案分别为P1-P7，其中，培训方案P6与目标案例高度相似，即沿用目标案例；培训人员T8具有一定的应急救援经验，但未接触过此类应急事件，无法给出方案；培训人员T9刚刚步入医疗岗位，无应急救援经验，无法给出方案。

研究构建应急救援方案的评价指标体系为：A1：可操作性、A2：资源耗费；A3：处置效率。各培训人员对每个方案进行打分，并采用算数平均的方法对群体意见进行集结，得到方案的指标评价矩阵。并采用基于传递闭包的模糊聚类方法进行聚类，求得传递闭包为：

当λ截集取0.67时，分类比较接近实际，能表现出方案间的特点与区别。此时，将7个方案聚成3类：{P1,P3,P5},{P2,P7}，{P4,P6}，并选取每类中综合评价最高的方案P5、P2、P6作为待综合研讨与论证的方案。接下来，培训人员将根据这些方案进行第一轮论证与意见。

论证过程中，某些培训人员的观点发生了改变，并且培训人员4提出了新的方案P8，培训人员6提出了新的方案P9。将新的方案加入方案集，群体成员根据新的方案集修正自己的属性偏好。并采用基于传递闭包的模糊聚类方法再次进行聚类，此时，最优聚类为{P1,P3,P5},{P2,P4,P7}，{P6,P8,P9}，选取每类中综合评价最高的方案P5、P7、P9进行第二轮论证并优化意见。群体成员根据一致性原则，修正自己的属性偏好，最终得到方案9的各项指标得分均优于其他方案，即方案9为此次豆角中毒应急救援的最佳方案，培训结束。此次培训中，培训主体的认知过程见表2。

表2 医疗应急人员培训过程

由此可见，培训过程中培训人员4和6基于应急问题本身特性以及自身经验，提出了新的方案，并在论证过程中，进一步融合、内化了群体中其他成员的知识、经验，逐步形成最优方案。可以看出，这两位培训人员在应对此类应急救援问题上经验相对丰富，通过此次培训学习，认知结构得到了强化；培训人员1、2、3、5和7在培训过程中，通过群体间相互论证及提出的意见，逐步改善自身原有观点，最终向最优方案P9逼近，其认知结构得到了修正与改善，应急能力得到了提升；培训人员8和9对此类应急事件没有与之相当的认识，通过此次培训过程，逐步形成了问题的求解思路，认知结构得到了构建。

五、结 语

应急救援人员所拥有的最重要的资源就是相关历史案例。突发事件应急管理工作中，我们可以借助案例推理技术来对相关历史案例进行检索、修正以及重用，从而实现对突发事件的实时有效应对。但以目前的研究进展来看，无论从可行性还是时效性来说，这一目标还难以实现。但案例作为一种经验学习模型，应用于应急培训中仍能产生很高的价值与培训效果。本文结合案例推理技术，以及群体学习的知识，设计了医院应急救援的案例培训方法。能够帮助医院应急人员形成对突发事件情景的有效认知结构，提升其在紧急状态下进行有效快速响应的能力，具有一定的可行性和有效性。在今后的研究工作中，可面向医院应急培训演练系统的开发，进一步展开研究。

[1]佘 廉，雷丽萍.我国巨灾事件应急管理的若干理论问题思考[J].武汉理工大学学报：社会科学版,2008(4)：470-475.

[2]Mike R. Plan for disaster[J]. Credit Union Magazine,2008(3):80-86.

[3]Smith W., Dowell J., Ortega M. A.. Designing paper disasters: an authoring environment for developing training exercises in integrated emergency management[J]. Cognition, Technology&Work,1999:119-130.

[4]姜传胜,邓云峰,贾海江,等.突发事件应急演练的理论思辨与实践探索[J].中国安全科学学报,2011(6):153-159.

[5]Volz R. A., Sukasdadi K., Underhill K., Sharrock R.. First responder support and training system[C]. International Conference on AI and Education, San Antonio, Texas,2001.

[6]罗三保,薛 安.基于规则引擎的突发性大气污染事故应急处理系统研究[J].北京大学学报：自然科学版,2012(2):296-302.

[7]Hernandez J. Z., Serrano J. M.. Knowledge-based models for emergency management systems. Expert Systems with Applications,2001(2):173-186.

[8]郭志星，廉东本，苏 谟.应急演练角色系统[J].计算机系统应用,2013(3):25-28.

[9]Schank R. Dynamic memory: A Theory of Reminding and Learning in Computers and People[M]. Cambridge: Cambridge University Press,1982.

[10]Muh-Cherng Wu, Ying-Fu Lo, Shang-Hwa Hsu. A fuzzy CBR technique for generating product ideas[J]. Expert Systems with Applications,2008(1):530-540.

[11]余宏亮，吴国贤，刘 博.CBR-RBR混合模式在地铁工程施工安全事故案例库中的应用研究[J].施工技术,2013(13):102-105.

[12]SHI Li-xia, PENG Wen-li, ZHANG Wen-ni. Research on reusable design information of shoes based on CBR[J]. Physics Procedia,2012:2089-2095.

[13]U.S. Department of Homeland Security. National Planning Scenarios[R],2006.

[14]张 辉,刘 弈.基于情景-应对的国家应急平台体系基础科学问题与集成平台[J].系统工程理论与实践,2012(5):947-953.

[15]Suykens J A K, Vandewalle J. Least squares support vector machine classifiers[J]. Neural Processing Letters,1999(3):293-300.

[16]陈 刚，谢科范，刘 嘉，等.非常规突发事件情景演化机理及集群决策模式研究[J].武汉理工大学学报：社会科学版,2011(4):458-462.

(责任编辑 王婷婷)

Research on the Case-Based Training Method for Emergency Rescue of Hospitals

LI Jin-qi, LI Xiang-yang, YU Feng

(SchoolofManagement,HarbinInstituteofTechnology,Harbin150001,Heilongjiang,China)

In this paper, we designed a case-based training method to deal with the severe situation of public emergencies and help the hospital build a team for emergency rescue, which is well-trained and experienced. Emergency experience shows that the related cases are the most important resource to emergency workers. First of all, we analyzed the features of emergency rescue of hospitals, and designed a structure model which can show the attributes of the cases. And then, we combined the technology of case-based reasoning to design the working process which can generate the target case. On this basis, the group training method has been designed by the knowledge of interactive learning. The method in this paper can help emergency workers improve the ability of cognitive, decision-making and response to public emergencies more effectively.

emergency; emergency rescue; case-based training; case-based reasoning; interactive learning

2015-04-01

李金奇(1991-)，男，四川省巴中市人，哈尔滨工业大学管理学院硕士生，主要从事电子商务及应急管理研究； 李向阳(1950-)，男，黑龙江省哈尔滨市人，哈尔滨工业大学管理学院教授，博士生导师，主要从事应急管理及其系统技术研究。

国家自然科学基金重大研究计划项目(91024028, 91024031, 91324018)；国家自然科学基金面上项(71473058)；哈尔滨工业大学理工医交叉学科研究计划项目

X43

A

10.3963/j.issn.1671-6477.2015.06.0016