上海市某儿童医院感染预警系统的准确度研究

纪和雨 许姜姜 高洁 于广军

摘 要 目的：评估上海市某儿童医院感染预警系统准确度，在实现医院感染信息化管理基础上，提高系统准确度。方法：取上海市某儿童医院2016年1月至2018年12月感染预警系统的警报数据，计算灵敏度、特异度、阳性预测值、阴性预测值对系统准确度进行评估。结果：应用系统后，2016—2018每年医院感染的发生率呈下降趋势（P<0.05）。每年系统的灵敏度、特异度、阳性预测值、阴性预测值分别为73.46%，82.56%，3.67%，99.71%；98.90%，85.05%，6.38%，99.99%和99.21%，85.24%，6.84%，99.99%。结论：医院感染预警系统对降低医院感染发生率有明显效果。医院应成立多学科团队制定系统的预警条件。系统应具备自动删除重复预警的功能。针对不同科室制定不同的预警条件。

关键词 医院感染 预警系统 感染控制 实践应用

中图分类号：R197.324； R184.1 文献标志码：C 文章编号：1006-1533（2020）17-0039-04

*基金项目：上海交通大学中国医院发展研究院医院管理建设项目重点项目（CHDI-2017-A-01）

Research on the accuracy of an early warning system for a childrens hospital in Shanghai*

JI Heyu1**， XU Jiangjiang2， GAO Jie2， YU Guangjun2***（1. School of Public Health， School of Medicine， Shanghai Jiao Tong University， Shanghai 200025， China； 2. Shanghai Childrens Hospital， Shanghai Jiao Tong University， Shanghai 200062， China）

ABSTRACT Objective： To evaluate the accuracy of infection early warning system in a childrens hospital of Shanghai so as to improve the accuracy of the system on the basis of realizing the information management of hospital infection. Methods： The alarm data happened from January 2016 to June 2018 in this hospital were extracted and the accuracy of the system was evaluated by sensitivity， specificity， positive predictive value and negative predictive value. Results： After the application of the hospital infection early warning system， the incidence of hospital infection in 2016-2018 showed a downward trend （P< 0.05）. The sensitivity， specificity， positive predictive value and negative predictive value of the system each year in 2016-2018 were 73.46%， 82.56%， 3.67%， 99.71%； 98.90%， 85.05%， 6.38%， 99.99% and 99.21%， 85.24%， 6.84%， 99.99%， respectively. Conclusion： The hospital infection early-warning system has a clear effect on reducing the incidence of hospital infection. A multidisciplinary team should be established to develop early warning conditions for the system and the system should include a function that the duplicate alert can be automatically deleted， and some different pre-warning conditions should be developed for different departments.

KEy WORDS hospital infection； early warning system； infection control； practice and application

近年來，医院感染已经成为日益严重的公共卫生问题，引起了当今世界的普遍关注[1]。医院感染的巨大破坏性很大程度上源于医院感染经常意外发生，几乎没有时间对其做好应对准备[2]。越来越多的证据表明控制医院感染最有效的方法是及时地对感染提供合适的治疗。因此，目前许多医院都在利用医院感染预警系统，帮助医生及时发现医院感染的发生。

实行信息化管理对医院感染监测势在必行，这是医院感染管理工作和计算机系统发展的必然产物[3]。医院感染预警系统实现了对医院感染病例的前瞻性监测，系统综合了医院信息管理系统、实验室信息管理系统、手术麻醉信息管理系统、电子病历管理系统、移动护理信息系统等自动识别医院感染预警病例，再由临床医生与医院感染管理专职人员对预警病例进行双处理，从而确定医院感染的发生。如何更科学高效地利用医院感染预警系统，提升医院感染的管理内涵，已成为医院管理者日益关注的内容。尽管不是所有医院感染的发生都可以通过实施预警系统加以避免，但只有使用者友好且设计良好的系统才可以达到对医院感染的最佳控制。因此，本研究对2016年1月至2018年12月上海市某儿童医院感染预警系统的警报数据进行分析，评估系统的准确度，为有效利用院感预警系统控制医院感染的发生提供依据。

1 材料与方法

1.1 资料来源

收集上海市某儿童医院感染预警系统于2016年1月至2018年12月产生的警报数据，包括系统产生的警报总数、系统监测的实际感染病例数和医生证实的感染病例数。对2016、2017和2018每年院感系统的灵敏度、特异度、阳性预测值和阴性预测值进行了评估。作为医院感染监测的关键部门，儿科重症监护病房（PICU）、新生儿科、血液科和呼吸科的医院感染的发生率明显高于其他部门。因此，本研究分别对这四个科的系统灵敏度、特异度、阳性预测值和阴性预测值进行了评估。

1.2 监测方法

根据卫生部颁布的《医院感染办法》、《医院感染诊断标准》为医院感染预警系统设立预警条件。医院感染的确诊是医院感染管理专职人员每日对住院患者电子病历进行主动监测，每日下病房查看患者，与临床医生沟通，一起判断是否为医院感染。凡是医院感染的病例，均通过医院感染预警系统填写医院感染病例监测表。

1.3 统计分析

采用SPSS 13.0统计软件进行数据的统计分析。本研究中，用出院病人数代替新生儿科、血液科和呼吸科的住院病人总数，用转诊病人数代替PICU的住院病人总数。计数资料采用频数、百分比进行描述。通过灵敏度、特异度、阳性预测值和阳性预测值的计算，对医院感染预警系统的准确性进行评估。组间单因素比较采用χ2检验。P<0.05为差异有统计学意义。

评价医院感染预警系统准确度的主要指标有：①灵敏度=某时期医院感染系统正确预警的医院感染病例例次/同期医院感染病例例次×100%；②特异度=某时期院感系统未预警的医院非感染病例例次/同期医院未感染病例例次×100%；③阳性预测值=某时期预警正确识别的医院感染病例数/同期预警患者总病例数×100%；④阴性预测值=某时期未预警医院非感染病例数/同期未预警患者总病例数×100%。

2 结果

2.1 医院感染的发生率

2016—2018年，每年医院感染的发生率总体呈现下降趋势，差异均有统计学意义（均P<0.05，表1）。对血液科、呼吸科、新生儿科、PICU分别进行统计，发现各科室医院感染的发生率总体呈现下降趋势（血液科、新生儿科、PICU均P<0.05，呼吸科P值接近0.05）。

2.2 医院感染预警系统的灵敏度、特异度、阳性预测值、阴性预测值

2016-2018年，医院感染预警系统的灵敏度不论是在总体上还是在四个不同科室都是呈上升的趋势，在新生儿科系统的灵敏度达到了100%。系统的特异度基本维持不变，在呼吸科每年都低于60%。系統的阴性预测值每年都维持在较高的水平而阴性预测值则维持在较低的水平（表2）。

2.3 重点科室医院感染预警系统的灵敏度、特异度、阳性预测值、阴性预测值

四个重点科室院感预警系统的灵敏度、特异度、阳性预测值、阴性预测值有所不同。对他们的灵敏度、特异度进行比较，发现差异均有统计学意义（χ2值分别为45.963 1和2 535.796 0，均P<0.01）。其中，新生儿科系统的灵敏度最高，高于总体水平，其他三个科室均低于总体水平，其中PICU最低。血液科系统的特异度最高，高于总体水平，其他三个科室均低于总体水平，其中呼吸科最低。血液科系统的阳性预测值最高，显著高于总体水平，其他三个科室均低于总体水平，其中呼吸科最低。阴性预测值各个科室均维持在较高的水平（表3）。

3 讨论

3.1 医院感染预警系统有效地减少了医院感染的发生

本研究发现，在实施医院感染预警系统之后，每年医院感染的发生率呈现下降的趋势。通过对医院感染的信息化管理，使医院感染管理部门在网上能够掌握各科室，特别是重点科室医院感染管理的动态发展，随时掌握医院感染发生的情况。能够进行主动和连续地监测、统计分析并及时采取相应的措施，同时反馈临床，增强了感染控制的针对性与实效性，从而达到了降低医院感染发生率的目的[4]。通过运行医院感染实时监控系统，医院在实现减少医院感染发生的同时，实现了科学的数据收集、筛查、分析、统计工作，节省了大量人力物力、提高了工作效率。医院感染控制水平直接反映了医院管理和医疗服务的总体水平，是医院保证医疗质量的关键环节之一。通过运行医院感染实时监控系统，从而减低医院感染的发生率，对于提高医疗服务质量具有重要的意义[5]。

3.2 医院应成立多学科团队共同制定系统的预警条件

本研究结果显示，上海市某儿童医院感染预警系统的灵敏度自2017年起整体虽然超过95%的水平，但特异度却始终维持在85%左右的水平。可见，现阶段虽维持了系统较高的灵敏度，却忽视了对系统特异度的关注。系统的特异度较低就意味着医务人员和医院感染管理专职人员人工排除非感染预警的工作量大。在我们的研究中，我们发现为了识别一个真正的医院感染，医生至少需要处理34个系统产生的警报。显然，由于儿童这类人群的特殊性，系统放宽了警报的预警条件，从而可识别尽可能多的医院感染。而自动化本身又缺乏将指南与病人特征结合在一起进行分析的能力，从而产生了一些毫无意义的警报。这些过多的警报将会使临床医生出现“警报疲劳”，而忽略一些警报，就会导致一些真正的医院感染未被及时处理[6]。

系统灵敏度和特异度之间的平衡显然是限制系统达到它预期目标的因素[7]。如何在维持系统灵敏度较高的同时，增加系统的特异度是促进医院感染预警系统的有效实施需要解决的问题。医院应该建立一个多学科团队，通过多学科融合的方式就如何设置系统的预警条件进行讨论。多学科团队应该包括临床医生、信息技术人员和流行病学专家，同时考虑各个方面的因素，使预警条件更加精准，从而提高系统的准确度。

3.3 使用预警模型剔除重复预警

本研究发现，超过一半的警报是针对同一感染病例的重复警报。这种毫无意义的警报在打断医生工作的同时也造成医生对警报的厌烦心理而故意去忽略一些警报，从而造成真正的医院感染的发生。现阶段已经有很多预警模型能够做到在不降低灵敏度的情况下提高特异度，通过重复预警信号剔除的计算规则去除重复警报[8]。系统应该做到已经处理过的警报不再预警，而未被处理的警报进行重复预警。

3.4 分科室针对性设置预警条件

本研究结果还显示，不同科室系统的灵敏度和特异度存在不同。灵敏度最高的是新生儿科达到了92.67%，而PICU仅仅有69.70%。特异度最高的是血液科达到了84.79%，而呼吸科仅有57.62%。分析原因为各科室患者由于基础疾病及诊疗操作的不同，血常规结果、抗菌药物使用原则均不同。目前使用相同的预警指标难以适用于不同的科室。因此，医院预警系统应该使用风险评估模型去融合和加权各项参数，让其在不同科室具备不同的适用条件，从而产生“智能警报”。从而做到以科室分层对医院感染进行预警。

切实做好医院感染的监测是控制医院感染的根本，但是单纯的依靠人力监测远远不能全面、快速、准确地掌握全院医院感染的情况[9]。医院感染预警系统的实施，使医院做到了及时对医院感染的流行趋势和危险度进行预测、预警、监控，变被动的控制为主动的预防，可以真正实现及时发现散在感染，时时警惕感染的流行与暴发[10]。然而，只有使用者友好且与临床工作相融合的系统才能切实做到提高医务人员的有效性，从而实现医院感染的实时监测和高效早期预警。

参考文献

[1] Brouqui P， Boudjema S， Soto Aladro A， et al. New approaches to prevent healthcare-associated infection[J]. Clin Infect Dis， 2017， 65（Suppl 1）： S50-S54.

[2] Han BA， Drake JM. Future directions in analytics for infectious disease intelligence： toward an integrated warning system for emerging pathogens[J]. EMBO Rep， 2016， 17（6）： 785-789.

[3] 范靖， 陳倩， 周炯， 等. 医疗安全预警体系构建与信息化实现[J]. 中国医院管理， 2018， 38（1）： 40-41.

[4] 孙明洁， 李健， 张付华. 医院感染实时监控系统应用与实践[J]. 中华医院感染学杂志， 2013， 23（16）： 4023-4024； 4038.

[5] 朱会英， 韩鹏， 田燕， 等. 信息化技术在医院感染管理与监控中的应用[J]. 中华医院感染学杂志， 2012， 22（17）： 3808-3810.

[6] Kane-Gill SL， OConnor MF， Rothschild JM， et al. Technologic distractions （part 1）： summary of approaches to manage alert quantity with intent to reduce alert fatigue and suggestions for alert fatigue metrics[J]. Crit Care Med， 2017， 45（9）： 1481-1488.

[7] 周欣彤， 于晓松. 神经网络模型建立及在医院感染病例预警中应用[J]. 中国公共卫生， 2019， 35（4）： 445-450.

[8] 钱子煜， 张越文， 马小越， 等. CUSUM预警模型在医院感染性腹泻暴发预警中的应用[J]. 中华医院感染学杂志， 2018， 28（19）： 3011-3015.

[9] 王鹏， 丁丽丽， 喻玲丽， 等. 医院感染预警信息对医院感染诊断的价值研究[J]. 中华医院感染学杂志， 2017， 27（8）： 1867-1870.

[10] 姚希， 贾建侠， 赵艳春， 等. 医院感染实时监控系统病例预警策略的评价研究[J]. 中国感染控制杂志， 2019， 18（4）： 326-330.