“基于大数据对我院老年患者医院感染特点的应用研究”的文献综述

“基于大数据对我院老年患者医院感染特点的应用研究”的文献综述

唐杰1 , ,李帆2  ,陈剑1

1、广西医学科学院/广西壮族自治区人民医院，广西南宁，530021  2、南宁师范大学 计算机与信息工程学院 广西南宁，530021

摘要：大数据时代，是将数据作为一种资源来辅助解决其他问题，大数据的4“V”特点，使进行长时间尺度的研究成为可能，通过数据的分析和挖掘，寻找出数据之间相互的关系，并能对他们作出合理的预测，本文首先通过对国内外老年患者医院感染的相关研究成果进行了文献整理和归纳，然后提出基于大数据的分析，也能发现大数据的价值，并可提供针对医院感染的预测，最后面对当前国内医疗大数据分析在预测疾病发生发展方面，提出以我院老年医院感染患者为研究对象，对其所有数据进行感染特点的应用研究的现实意义。

Abstract: the era of big data, the data is to help solve other problems as a kind of resources, big data 4 "V" characteristics, make the research of long time scale possible, through data analysis and data mining, to find out the mutual relationship between the data, and can make a reasonable forecast of them, this paper first, through the relevant research results at home and abroad on elderly patients with nosocomial infection were collated and summarized the literature, and then put forward the analysis based on the data, also can find the value of big data, and can provide for the prediction of hospital infection, finally in the face of the current domestic medical data analysis development occurred in the prediction of disease, the hospital for the elderly our hospital infection patients as the research object, practical application research on the infection characteristics of all the data.

关键词：大数据    预测   老年患者  医院感染

Key words: large data   Forecast   Elderly patients   hospital infection

0.引言

大数据的预测性

大数据是指利用常用软件工具捕获、管理和处理数据所耗时间超过可容忍时间的数据集[1] ，其具有4V的特点：Volume（大量）、Velocity（高速）、Variety（多样）、Value（价值）[2]，大数据的出现必将颠覆传统的数据管理方式，在数据来源、数据处理方式和数据思维等方面都会对其带来革命性的变化[3]，大数据时代的来临使大数据技术成为各行业不可规避的研究热点，而大数据技术的核心就是预测[4]，大数据有更好的统计特性，更适合趋势分析[5]，医疗大数据作为大数据的一员也不例外，如此，笔者所在医院已经经过20多年信息化的建设，已存储有广西最全最大的医疗数据，如能利用大数据的特点挖掘出我院大数据价值，预测疾病的发生，将对我院医疗服务有很强的现实指导意义。

1. 老年患者医院感染在国外的研究发展现状

医院感染一词来源于国外医学领域，有医院就存在医院感染问题，19世纪初医院感染成为独立学科，70年代才真正有效解决细菌与医院感染的关系，南丁格尔女士建立医院感染管理制度，通过加强清洁和护理，最终使感染死亡率由42％下降到2.2％，目前国际上的医院感染管理第一级文件普遍为法律、法规等强制执行的文件[6] ,近年分子生物学技术，基因科学的发展也使医院感染的研究达到了新的水平，综合目前国际感染控制研究的具体状况和趋势，主要内容涉及７个研究领域，它们是当前国际上医院感染控制研究的热点[7] ，其中的热点医院感染控制研究就涵盖了老年患者医院感染控制，老年患者由于年龄大、病种多、各器官功能减退、免疫力低下、康复慢、病程长等特点成为发生医院感染的高危人群

[8]。并且高血压、糖尿病等慢性非传染性疾病高患病率也是老年患者本身的特点和感染性疾病的危险因素[9-10]，随着社会老龄化的快速加剧，住院患者中老年人所占比例逐渐增多。老年患者的医院感染更为常见，预后更差[11-12]，医院感染的发生不仅影响原发病的救治，增加患者住院天数、死亡率和医疗费用，也增加了全社会的经济负担[13]，对此，国际上对老年患者医院感染控制理念和方法也已经在急剧的改变，已经从探索、反应和反击、规则和指南阶段, 进入干预流行病阶段，例如美国感控工作已经进入循证干预阶段，目标是医院感染的“零容忍”，甚至停止了费时费力的全面性监测，选择特定监测对象，进行连续监测[14] ，展开对易感人群老年患者的连续监测，但仍缺乏基于预测的精准监测，国外医疗大数据的应用，对基于预测的精准监测这一措施提供了可行性，更好的为控制医院感染指明了一条科学的发展之路。

2. 老年患者医院感染在国内的研究发展现状

我国的医院感染管理起步晚，近年医院感染控制工作正逐步走向规范化和标准化，也紧跟国际研究热点，借鉴流行病学的思维模式和研究方法运用在医院感染的研究中，明显提高了医院感染控制能力，我国已进入老年化社会，老年患者医院感染发生率一直居高不下[15]，其主要特点为感染率高，病死率高[16]，老年人基础疾病增多，免疫功能下降，老年患者随着年龄的增长，医院感染率也随之增高[17]，住院时间越长，获得医院感染的几率越大，发生率越高。获得感染的主要部位是呼吸道,其次是泌尿道[18]，老年患者获得医院感染是多因素作用的结果，我国医院感染的研究现状主要还是基于引起医院感染的危险因素的一些分析，对医院关于医院感染发生、发展的研究也多见于描述性研究和分析性研究[19] ,同时也提出了基于上述两种研究方法的一些细化的研究方法，比如分子病学研究和卫生经济学研究[20]，结合中文发表文章类型显示，感染控制相关文章主要为实验研究（30.47％）、描述性研究（31.77％）和管理类（20.83％）３类[21]，由于我国医院感染控制人才结构、基础设施的限制，医院感染的研究工作开展十分有限，研究人员既缺乏科学研究热情，也缺乏相应基金支持[22]。医院感染的研究工作相对其他学科滞后，这与医疗诊断研究发展不平衡，近年有针对医院感染预测预警的一些研究，并应用于风险防控，但多数建立在小数据及传统逻辑性推理研究上，缺少基于大数据思维的研究，基于2016年《国务院办公厅关于促进和规范健康医疗大数据应用发展的指导意见》的出台，关于医疗大数据的研究现在也逐渐的引起人们的重视，总的来说，针对医疗大数据的挖掘，如何利用好医疗大数据已成为当前的研究热点。

3.目前我国医疗大数据的应用

我国大数据分析在医疗领域的研究起步较晚，国内已有试图将医疗大数据的挖掘分析应用于典型疾病的诊断和预测[23]，还有国家心血管中心正在联合阿里云构建中国人的心电数据库，以期利用大数据分析技术，使患者有望提前获得防治干预，体现了“治未病”思想。同时，医院信息化已基本普及，涵盖大量患者的人口统计学、疾病、治疗和费用数据，早已具备大数据特点。虽然国内医疗行业已步入了大数据时代，但对如何预测疾病的发生、发展，优化医疗业务过程，科学配置人员及合理治疗等相关的大数据研究领域基本属于空白，经过上面的解说，我们可以用相关性理论对大数据整理、预测，并对此领域展开研究。

我院信息化建设自2004年上线以来，至今已存储有广西最大的医疗数据，作为大型综合性省级三甲医院和广西的医疗中心。在医院感染方面能否精准的预测医院感染的发生，合理的编配医疗资源，目前仍是我院乃至全国医院感染管理部门值得思考和解决的问题。我们选取老年患者医院感染作为探索性研究案例，一次院内感染的发生，其本身就是一个疾病的发生、发展过程，包括患者基础疾病、所发生的科室、时间的分布、易感因素，感染部位的等内容。如能基于大数据相关性理论对我院老年患者发生院内感染特点和疾病特点进行研究，可以更好的预测和监控我院医院感染的发生，引导不同区域更好整合医院感染控制资源，为优化医院感染控制布局提供坚实的理论依据，具有现实的指导意义。

4. 展望

随着大数据时代的到来，各行业对大数据的挖掘和使用越来越重视，然而中国医疗大数据依然未充分发挥其价值，数据累计起来后，如何挖掘并服务于医疗，对中国这个人口庞大的国家而言显得异常重要，分析其关键还在仅仅将数据作为一种处理对象，并未作为一种资源来辅助解决其他的问题，对于此，将数据作为一种资源，挖掘整理其中的相关性，分析出趋势也是数据里面的蕴含价值，希望未来我们可以在基于本文研究的基础上，其他的医疗项目也可针对医疗大数据挖掘整理出其相关的特征，筛选、分析，并找出趋势，让它们发挥更大的价值，使医疗服务更加具有前瞻性。

参考文献：

[1]Big data[EB／()I．] [2012一lo—02]．http：//en．wikipedia．org／wiki／Big—data.

[2]Barwick H. The "four Vs" of Big Data. Implementing Information Infrastructure Symposium [EB/OL].[2012,10,2]. http://www. computerword.com.au/article/396198/iiis four vs big data.

[3]孟小峰、慈祥 大数据管理：概念、技术与挑战 计算机研究与发展 50(1)：146—169，2013.

[4]屈晓晖 袁武  时空大数据分析技术在传染病预测预警中的应用中国数字医学 2015.08.012.

[5] LIM K. Big Data and Strategic IntelligenceJ． Intelligence and National Security 2015－07－07.

[6] 姚希 巩玉秀  国外医院感染管理技术类文件体系现况研究  中华医院感染学杂志 ２５Ｎｏ．２１２０１５.

[7]江建忠 贾素玉  宋倩  国际医院感染控制研究热点分析  中华医院感染学杂志．２６Ｎｏ ２４ ２０１６.

［8］Crowe M,Towner KJ，Humphrey H，et al．Clinical and　epidemiological Features-of alloutbreak of Acinetobacterinfection in an intensive therapy unit[J]．J Med microbiol,2005,43(7):55-62.

[9] Lacerda J，Lopes MR，Ferreira DP，et a1．Descriptive study of the prevalence of anemia，hypertension，diabetes and quality of life in a randomly selected population of elderly subjects from Sao Paulo[J]．Rev Bras Hematol Hemoter，2016，38 (2)：141一146.

[10]Kofteridis DP，Gionrgouli G，Plataki MN，et a1．Communityacquired pneumonia in elderly adults with type 2 diabetes reel— litus[J]．J Am Geriatr Soc，2016，64(3)：649—651.

[11]KoUef  KE，Reichley  RM，Micek  ST，et al ．The  modified  APACHE  II  score  outperforms  Curb65  pneumonia  severity  score  as  a  predictor of  30-day  mortality  in  pafients  with methici- llin-resitait Staphylococcus aureus  pneumonia【J】．Chest， 2008，133(2)：363—369.

[12] Vincimfio  D，Barbadoro  P，Pennacchietti  L，et al．Risk  factors  for  catheter—associated  urinary  tract Infection in  Italian  elderly  (J)．Am J Infect   Control，2014，42(8)：898—901.

[13]Burgmann  H，Hiesmayr  JM，Save),A，et al．Impact  of  nosocomial infections  On  clinical  outcome  and  resource  con-  sumption  in  critically  ill  patienls (J)．InteNSive  Care  Med，2010， 36(9)：1597—1601.

[14]蒲丹 杨志军 医院感染管理的现状及应对措施 西部医学  1672-3511（2009）01014002.

[15]李玉英 国内医院感染管理研究近况 广西中医药大学学报：2095-4441（2013）03-0092-03.

[16]王伟丽， 徐丽华. 老年住院患者医院感染的危险因素及护理对 策[J]. 中国煤炭工业医学杂志， 2011， 14（2）： 287.

[17]咸本松,靳蔚云.老年住院患者医院感染情况分析[J].中国实用乡村医生杂志,2017,24(11):52-53,56.

[18]林平.老年住院患者医院感染相关因素调查[J].现代预防医学,2007,34(7):1379-1380,1382.

[19]张小娟 赵新华 流行病学方法在医院感染研究中的应用[J]. 甘肃医药, 2013(10): 739-742.

[20]乔甫 宗志勇  开展科学研究提升国内感染控制核心价值  华西医学 2014, 29（3）.

[21]张卫红  刘波 ２００８－２０１２年医院感染控制研究优秀团队发表文章分析中华医院感染学杂志１００５－４５２９（２０１２）２１－４８２４－０３.

[22]李兰娟.医院感染:现状与对策[J].中华流行病学杂志,2012,33(1):9-14.

[23]冯嵩 胡建中 基于大数据的个性化诊疗系统研究与探索中国医学工程DOI: 10.19338/j.issn.1672-2019.2017.09.012.

[课题项目]2018广西卫健委课题（Z20180757）基于大数据对我院老年患者医院感染特点的应用研究。

[作者简介]唐杰（1981-）男，广西桂林人，在职研究生，研究方向：医院感染管理