“基于大數據對我院老年患者醫院感染特點的應用研究”的文獻綜述

Summary：大數據時代，是將數據作為一種資源來輔助解決其他問題，大數據的4“V”特點，使進行長時間尺度的研究成為可能，通過數據的分析和挖掘，尋找出數據之間相互的關系，并能對他們作出合理的預測，本文首先通過對國內外老年患者醫院感染的相關研究成果進行了文獻整理和歸納，然后提出基于大數據的分析，也能發現大數據的價值，并可提供針對醫院感染的預測，最后面對當前國內醫療大數據分析在預測疾病發生發展方面，提出以我院老年醫院感染患者為研究對象，對其所有數據進行感染特點的應用研究的現實意義。Abstract:theeraofbigdata,thedataistohelpsolveotherproblemsasakindofresources,bigdata4"V"characteristics,maketheresearchoflongtimescalepossible,throughdataanalysisanddatamining,tofindoutthemutualrelationshipbetweenthedata,andcanmakeareasonableforecastofthem,thispaperfirst,throughtherelevantresearchresultsathomeandabroadonelderlypatientswithnosocomialinfectionwerecollatedandsummarizedtheliterature,andthenputforwardtheanalysisbasedonthedata,alsocanfindthevalueofbigdata,andcanprovideforthepredictionofhospitalinfection,finallyinthefaceofthecurrentdomesticmedicaldataanalysisdevelopmentoccurredinthepredictionofdisease,thehospitalfortheelderlyourhospitalinfectionpatientsastheresearchobject,practicalapplicationresearchontheinfectioncharacteristicsofallthedata.Keys：大數據

預測

老年患者

醫院感染Keywords:largedata

Forecast

Elderlypatients

hospitalinfection0.引言大數據的預測性大數據是指利用常用軟件工具捕獲、管理和處理數據所耗時間超過可容忍時間的數據集[1]，其具有4V的特點：Volume（大量）、Velocity（高速）、Variety（多樣）、Value（價值）[2]，大數據的出現必將顛覆傳統的數據管理方式，在數據來源、數據處理方式和數據思維等方面都會對其帶來革命性的變化[3]，大數據時代的來臨使大數據技術成為各行業不可規避的研究熱點，而大數據技術的核心就是預測[4]，大數據有更好的統計特性，更適合趨勢分析[5]，醫療大數據作為大數據的一員也不例外，如此，筆者所在醫院已經經過20多年信息化的建設，已存儲有廣西最全最大的醫療數據，如能利用大數據的特點挖掘出我院大數據價值，預測疾病的發生，將對我院醫療服務有很強的現實指導意義。老年患者醫院感染在國外的研究發展現狀醫院感染一詞來源于國外醫學領域，有醫院就存在醫院感染問題，19世紀初醫院感染成為獨立學科，70年代才真正有效解決細菌與醫院感染的關系，南丁格爾女士建立醫院感染管理制度，通過加強清潔和護理，最終使感染死亡率由42％下降到2.2％，目前國際上的醫院感染管理第一級文件普遍為法律、法規等強制執行的文件[6],近年分子生物學技術，基因科學的發展也使醫院感染的研究達到了新的水平，綜合目前國際感染控制研究的具體狀況和趨勢，主要內容涉及７個研究領域，它們是當前國際上醫院感染控制研究的熱點[7]，其中的熱點醫院感染控制研究就涵蓋了老年患者醫院感染控制，老年患者由于年齡大、病種多、各器官功能減退、免疫力低下、康復慢、病程長等特點成為發生醫院感染的高危人群[8]。并且高血壓、糖尿病等慢性非傳染性疾病高患病率也是老年患者本身的特點和感染性疾病的危險因素[9-10]，隨著社會老齡化的快速加劇，住院患者中老年人所占比例逐漸增多。老年患者的醫院感染更為常見，預后更差[11-12]，醫院感染的發生不僅影響原發病的救治，增加患者住院天數、死亡率和醫療費用，也增加了全社會的經濟負擔[13]，對此，國際上對老年患者醫院感染控制理念和方法也已經在急劇的改變，已經從探索、反應和反擊、規則和指南階段,進入干預流行病階段，例如美國感控工作已經進入循證干預階段，目標是醫院感染的“零容忍”，甚至停止了費時費力的全面性監測，選擇特定監測對象，進行連續監測[14]，展開對易感人群老年患者的連續監測，但仍缺乏基于預測的精準監測，國外醫療大數據的應用，對基于預測的精準監測這一措施提供了可行性，更好的為控制醫院感染指明了一條科學的發展之路。老年患者醫院感染在國內的研究發展現狀我國的醫院感染管理起步晚，近年醫院感染控制工作正逐步走向規范化和標準化，也緊跟國際研究熱點，借鑒流行病學的思維模式和研究方法運用在醫院感染的研究中，明顯提高了醫院感染控制能力，我國已進入老年化社會，老年患者醫院感染發生率一直居高不下[15]，其主要特點為感染率高，病死率高[16]，老年人基礎疾病增多，免疫功能下降，老年患者隨著年齡的增長，醫院感染率也隨之增高[17]，住院時間越長，獲得醫院感染的幾率越大，發生率越高。獲得感染的主要部位是呼吸道,其次是泌尿道[18]，老年患者獲得醫院感染是多因素作用的結果，我國醫院感染的研究現狀主要還是基于引起醫院感染的危險因素的一些分析，對醫院關于醫院感染發生、發展的研究也多見于描述性研究和分析性研究[19],同時也提出了基于上述兩種研究方法的一些細化的研究方法，比如分子病學研究和衛生經濟學研究[20]，結合中文發表文章類型顯示，感染控制相關文章主要為實驗研究（30.47％）、描述性研究（31.77％）和管理類（20.83％）３類[21]，由于我國醫院感染控制人才結構、基礎設施的限制，醫院感染的研究工作開展十分有限，研究人員既缺乏科學研究熱情，也缺乏相應基金支持[22]。醫院感染的研究工作相對其他學科滯后，這與醫療診斷研究發展不平衡，近年有針對醫院感染預測預警的一些研究，并應用于風險防控，但多數建立在小數據及傳統邏輯性推理研究上，缺少基于大數據思維的研究，基于2016年《國務院辦公廳關于促進和規范健康醫療大數據應用發展的指導意見》的出臺，關于醫療大數據的研究現在也逐漸的引起人們的重視，總的來說，針對醫療大數據的挖掘，如何利用好醫療大數據已成為當前的研究熱點。3.目前我國醫療大數據的應用我國大數據分析在醫療領域的研究起步較晚，國內已有試圖將醫療大數據的挖掘分析應用于典型疾病的診斷和預測[23]，還有國家心血管中心正在聯合阿里云構建中國人的心電數據庫，以期利用大數據分析技術，使患者有望提前獲得防治干預，體現了“治未病”思想。同時，醫院信息化已基本普及，涵蓋大量患者的人口統計學、疾病、治療和費用數據，早已具備大數據特點。雖然國內醫療行業已步入了大數據時代，但對如何預測疾病的發生、發展，優化醫療業務過程，科學配置人員及合理治療等相關的大數據研究領域基本屬于空白，經過上面的解說，我們可以用相關性理論對大數據整理、預測，并對此領域展開研究。我院信息化建設自2004年上線以來，至今已存儲有廣西最大的醫療數據，作為大型綜合性省級三甲醫院和廣西的醫療中心。在醫院感染方面能否精準的預測醫院感染的發生，合理的編配醫療資源，目前仍是我院乃至全國醫院感染管理部門值得思考和解決的問題。我們選取老年患者醫院感染作為探索性研究案例，一次院內感染的發生，其本身就是一個疾病的發生、發展過程，包括患者基礎疾病、所發生的科室、時間的分布、易感因素，感染部位的等內容。如能基于大數據相關性理論對我院老年患者發生院內感染特點和疾病特點進行研究，可以更好的預測和監控我院醫院感染的發生，引導不同區域更好整合醫院感染控制資源，為優化醫院感染控制布局提供堅實的理論依據，具有現實的指導意義。4.展望隨著大數據時代的到來，各行業對大數據的挖掘和使用越來越重視，然而中國醫療大數據依然未充分發揮其價值，數據累計起來后，如何挖掘并服務于醫療，對中國這個人口龐大的國家而言顯得異常重要，分析其關鍵還在僅僅將數據作為一種處理對象，并未作為一種資源來輔助解決其他的問題，對于此，將數據作為一種資源，挖掘整理其中的相關性，分析出趨勢也是數據里面的蘊含價值，希望未來我們可以在基于本文研究的基礎上，其他的醫療項目也可針對醫療大數據挖掘整理出其相關的特征，篩選、分析，并找出趨勢，讓它們發揮更大的價值，使醫療服務更加具有前瞻性。Reference：[1]Bigdata[EB／()I．][2012一lo—02]．http：//en．wikipedia．org／wiki／Big—data.[2]BarwickH.The"fourVs"ofBigData.ImplementingInformationInfrastructureSymposium[EB/OL].[2012,10,2].http://www..au/article/396198/iiisfourvsbigdata.[3]孟小峰、慈祥大數據管理：概念、技術與挑戰計算機研究與發展50(1)：146—169，2013.[4]屈曉暉袁武

時空大數據分析技術在傳染病預測預警中的應用中國數字醫學2015.08.012.[5]LIMK.BigDataandStrategicIntelligenceJ．IntelligenceandNationalSecurity2015－07－07.[6]姚希鞏玉秀

國外醫院感染管理技術類文件體系現況研究

中華醫院感染學雜志２５Ｎｏ．２１２０１５.[7]江建忠賈素玉

宋倩

國際醫院感染控制研究熱點分析

中華醫院感染學雜志．２６Ｎｏ２４２０１６.［8］CroweM,TownerKJ，HumphreyH，etal．ClinicalandepidemiologicalFeatures-ofalloutbreakofAcinetobacterinfectioninanintensivetherapyunit[J]．JMedmicrobiol,2005,43(7):55-62.[9]LacerdaJ，LopesMR，FerreiraDP，eta1．Descriptivestudyoftheprevalenceofanemia，hypertension，diabetesandqualityoflifeinarandomlyselectedpopulationofelderlysubjectsfromSaoPaulo[J]．RevBrasHematolHemoter，2016，38(2)：141一146.[10]KofteridisDP，GionrgouliG，PlatakiMN，eta1．Communityacquiredpneumoniainelderlyadultswithtype2diabetesreel—litus[J]．JAmGeriatrSoc，2016，64(3)：649—651.[11]KoUef

KE，Reichley

RM，Micek

ST，etal．The

modified

APACHE

II

score

outperforms

Curb65

pneumonia

severity

score

as

a

predictorof

30-day

mortality

in

pafients

withmethici-llin-resitaitStaphylococcusaureus

pneumonia【J】．Chest，2008，133(2)：363—369.[12]Vincimfio

D，Barbadoro

P，Pennacchietti

L，etal．Risk

factors

for

catheter—associated

urinary

tractInfectionin

Italian

elderly

(J)．AmJInfect

Control，2014，42(8)：898—901.[13]Burgmann

H，Hiesmayr

JM，Save),A，etal．Impact

of

nosocomialinfections

On

clinical

outcome

and

resource

con-

sumption

in

critically

ill

patienls(J)．InteNSive

Care

Med，2010，36(9)：1597—1601.[14]蒲丹楊志軍醫院感染管理的現狀及應對措施西部醫