原始论文
摘要
背景:对卫生保健相关感染的监测是感染预防计划的一个重要组成部分,但传统系统是劳动密集型和性能依赖的。
摘要目的:目的:开发一种医疗相关血流感染(HABSI)自动监测和分类系统,并与传统的基于感染控制人员(ICP)的监测系统进行比较,评价其性能。
方法:我们开发了一个基于web的系统,并将其集成到台湾一家拥有2200个床位的教学医院的医疗信息系统中。系统自动对habsi进行检测和分类。
结果:在本研究中,计算机检测到的HABSIs数量与各部门ICP检测到的HABSIs数量密切相关(n=20;r= .999P<.001)和时间(n=14;r= .941;P<措施)。与参考标准相比,该系统在敏感性(98.16%)、特异性(99.96%)、阳性预测值(95.81%)、阴性预测值(99.98%)方面均表现优异。该系统使确认HABSI病例的延迟时间平均缩短了29天。
结论:该系统为质量指标提供了可靠客观的HABSI数据,改善了常规监测系统造成的延迟。
doi: 10.2196 / medinform.4171
关键字
简介
背景
卫生保健相关感染(HAIs)、与卫生保健相关的不良事件、过高的死亡率和发病率以及资源使用是增加抗菌素耐药性的原因[
, ].监测艾滋病病毒感染是卫生保健机构感染控制规划的重要组成部分。监测的目标是评估疾病发病率,确定改善的利基和机会,监测干预措施的效力,并支持政策变化的理由[ ].先前的研究报告称,在美国20世纪80年代采用监测项目的医院中,艾滋病病毒感染率有所下降[ , ].1981年,国立台湾大学医院(NTUH)启动了全院范围的HAI监测项目。1980年代,由于定期向科室或病房提供反馈意见,以及加强干预措施等因素,导致手术部位感染和呼吸道感染减少[ ].在2004年升级感染预防和控制规划之后,2004年至2007年期间,血液感染、重症监护病房的感染以及由耐多药微生物引起的感染显著减少[ ].对综合健康教育的关注有所增加,部分原因是立法规定了报告和报销政策[
].然而,传统的HAI监测系统在整合和解释数据方面需要大量人力参与,而且是劳动密集型的、依赖于性能的,而且往往会转移实施控制措施和预防活动所需的资源[ ].在举报HAIs可能会招致惩罚后果的环境中,依靠机构员工是不理想的[ ].此外,考虑到三级保健医院当前医疗保健的复杂性,HAIs的决策规则(即病例定义)是复杂的。医院出院登记数据的使用延误了HAI的发现,最终导致无法有效地识别问题[ ].最近的研究确定了监测技术的机构间差异,这种不一致性影响了公开报告的HAI数据的有效性[ ].制定可靠和客观的HAI定义和自动化感染检测流程至关重要;然而,转变为自动化监控系统仍具挑战性[ , ].研究目标
继续我们之前开发基于web的MDROs监测系统的努力,该系统可自动识别和准确检测可疑的MDROs爆发[
],每天可节省1人,我们进行这项研究的目的是开发一个基于web的医疗保健相关血流感染(HABSI)自动监测和分类系统,HABSI是NTUH最常见的HAIs [ ].此外,通过将该系统与传统的基于感染控制人员(ICP)的监测系统进行比较,评估了该系统的性能。方法
医院环境和研究人群
这项研究是在NTUH进行的,这是一所拥有2200个床位的教学医院,为台湾的成人和儿童人口提供初级和三级护理。这项研究得到了NTUH机构伦理审查委员会的批准(NTUH- 200904014r)。2011年,澳大医院门诊病人2,309,108人,急诊106,950人,出院104,899人(723,505病人日)。
新诊断为脓毒症的患者,常规从不同的静脉穿刺部位采集两组血液样本进行细菌培养。45-60分钟后采集另一份样本以确定持续血流感染(BSI)。仅收集了1份血液样本进行后续培养以确认BSI的清除。送检病原体分离鉴定的80327份血液标本中,991份(1.23%)是通过单次抽血获得的。共8745份样品中生长了1种或1种以上病原体(10.88%);其中,1908年展出了habsi。HABSI发病率的汇总平均值为14.7次/1000例患者(科室范围为0.2-112.7/1000例患者)和2.13次/1000例患者-天。
常规ICP-Based HAI监测系统
1981年开始在全医院范围内前瞻性地监测健康影响因子[
],由ICPs进行,他们每日查阅微生物资料,并每周探访住院单位,根据疾病控制及预防中心(CDC)的定义,确定患有HAIs的患者[ 在我们实施基于网络的监控系统之前。如果需要,icp咨询医生,特别是传染病医生,以解释接受复杂干预的患者的医疗信息。数据收集在标准化的数据收集表格上,并手动输入计算机数据库。此外,icp每天监测来自临床微生物实验室的培养结果,以识别MDROs。每月分析特定单位感染的发生率,包括总体感染率、单位感染率和特定地点感染率,并与历史数据进行比较。向每个单位提供反馈,以刺激干预措施。通过系统地审查医院信息系统(HISs)、实验室信息系统(LISs)和手写图表收集关键数据。由于医疗信息系统的发展,目前HISs和LISs的数据以电子病历(EMRs)的形式存储。然而,医疗信息系统产生的数据分散在众多数据库中,多个接口阻碍了数据的访问。此外,必须对数据进行集成、解释并将其转换为有意义的信息。
基于web的HAI监测和分类系统
我们建立了基于规则的HABSI监测和分类系统(该系统),并于2010年10月1日实施。现行版本于2012年9月20日修订(
).系统每天筛选HIS和LIS数据,根据定义良好的检测规则检测HABSI候选。该系统自动检测和分类habsi,并通过要求进一步确认来保留专业自主权。 展示了系统的总体架构,包括用户层、数据库层和系统层(数据采集、候选检测和HAI管理)。该系统遵循面向服务的体系结构(SOA)和运行状况等级7 (HL7)标准,并可用于其他信息系统[ ].这个数据收集子系统使用HL7标准从HIS和LIS收集相关数据,HL7标准从以前的版本逐步扩展[
].例如,与年龄、性别、病房转院、入院日期和出院诊断相关的数据都是从医院管理系统获得的。出院后2天内的再入院与以前的住院有关,被认为是一次住院事件。程序代码是从医院计费系统中获得的。体温、心率、呼吸频率、是否有留置导管等数据均来自护理系统。抗菌药物的使用是从药理学处方系统中获得的。实验室数据包括标本信息和微生物数据。我们使用标本登录时间作为床边标本收集时间和感染时间的代理。为了在候选检测子系统中开发检测规则,icp采用了由CDC建立的国家卫生保健安全网(NHSN)定义的客观组成部分[
],并根据台湾疾病控制中心与南京医科大学的共识进行了修改(见 对于检测规则和 而且 有关设备以及体征和症状的列表)。计算机工程师据此建立了HABSI检测规则( ).因此,检测规则与NHSN定义存在差异。虽然在2008年NHSN定义中删除了二次HABSI,但我们使用NTUH感染控制系统中的数据来保持数据一致性,以进行时间趋势分析[ , ].原发性HABSI分为3个亚型,包括中心线相关BSI (CRBSI)、中心线相关BSI (CRBSI除外)和其他原发性HABSI。检测规则不包括EMRs中没有的自由文本数据,如研究期间的寒战和呼吸暂停。HAI管理子系统,成立于2007年7月1日[
],并定期升级(参见 ),包括数据整合、显示和修改数据的用户界面,方便监察人工智能系统。HAI管理子系统通过浏览器为HIS提供了一个单一入口点[ ],并包括与HAI相关的存储信息组件。每一个急性呼吸道感染事件的信息包括患者人口统计数据、诊断、程序、药物和微生物学报告,以促进icp确认呼吸道感染。如果需要,icp可以修改这些HABSI案例或添加子系统无法检测到的其他HABSI案例。后者可能发生在新单位、新病原体、新程序或其他尚未包括在当前数据库中的元素上。此外,该系统还提供数据分析和过程控制图[ ].系统性能评估与统计分析
临床有用的检测必须有效、可靠,并有合理的周转时间。因此,我们对系统进行了准确性、可靠性和效率三个方面的评估。
总结目标、方法和评估周期。在2010年系统第一个版本实施之前,系统的可靠性进行了评估;2012年10月评估了HABSI规则的准确性。此外,我们评估并继续评估实施HAI管理体系和HABSI监测和分类体系后效率的逐步提高。我们首先在开发阶段(即在系统实施之前)评估了系统的性能,以了解其为质量指标提供数据的潜力。在2010年7月1日至2010年9月30日期间,将计算机检测到的HABSIs与icp检测到的HABSIs作为常规做法进行比较。根据HABSIs的部门分布和时间趋势,分析这两个数据源之间的相关性。
针对传统基于icp的监控系统性能不一致和变化较大的问题,我们使用icp定义的参考标准对系统实施后的性能进行了进一步评估。为了产生高质量的参考标准,11个icp对2012年10月1日至2012年10月31日期间入院的所有患者的医疗数据进行回顾性回顾,以基于NTUH检测规则识别HABSI病例,其中一位作者(H-CL)验证了结果。系统的敏感性、特异性、阳性预测值(PPV)、阴性预测值(NPV)及Cohen kappa系数[
]的计算结果。所有的表现指标都是根据患者是否患有HABSI来计算的。然后,我们比较了系统实施之前(2007年10月至2010年9月)和之后(2010年10月至2013年9月)HABSI确认的延迟(作为实践效率的代理)。确认延迟定义为HABSI确认日期(完成数据录入并由HAI管理子系统中的icp确认)与第一个阳性血液标本登录日期之间的间隔,并通过每月延迟天数的平均值计算。研究期间的选择考虑了之前证明的HAI发病率的季节性变化[
].结果
作为质量指标提供者的系统性能
在为期14周的研究期间(2010年7月1日- 2010年9月30日),在20个科室中发现了501例icp检测到的HABSIs和479例计算机检测到的HABSIs。数据在地点和时间上高度相关(
).这些结果表明,该系统提供的数据是合适的质量指标。因此,我们于2010年10月1日实施了该系统。检测规则的准确性
2012年10月,该系统确定了167例HABSIs (
),包括31天内163个参考标准发作中的160个( ).HABSI分类系统的敏感性和特异性分别为98.16% (95% CI 94.29 ~ 99.52)和99.96% (95% CI 99.91 ~ 99.98)。PPV和NPV分别为95.81% (95% CI 91.22 ~ 98.15)和99.98% (95% CI 99.95 ~ 100.00)。此外,计算机检测的HABSIs与参考标准之间的一致性接近完美(Cohen kappa系数.97;95% ci 0.95-0.99)。系统检测中心线相关HABSI的性能也很好(敏感性97.14%,特异性99.94%,PPV 91.07%, NPV 99.94%, Cohen kappa系数0.94)。感染控制人员参考标准 | 自动监控分类 | ||
HABSI | 不是HABSI | 总计 | |
HABSI | 160 | 3.一个 | 163 |
不是HABSI | 7b | 17824年 | 17831年 |
总计 | 167 | 17827年 | 17994年 |
一个由两名研究人员独立进行的回顾性研究证实,这3例由常见皮肤合并症引起的HABSI发作因发热标准(体温> 38°C)而被遗漏:1例患者接受了退烧药,1例患者的体温从基线持续升高(>1°C)但低于38°C,另一例患者仅在病程记录中记录了发烧,并使用该发热标准而被遗漏。
b4例假阳性病例是由于在“召回日”之后修改了最终的实验室报告。由于标本运送到微生物实验室的延误,一次社区获得性BSI被检测为HABSI。2例为持续性血流感染。
减少HABSI确认的延迟
HABSI确认延迟时间从系统实施前(2007年10月- 2010年9月,1096天)的43.58 (SD 15.57天)缩短到系统实施后(2010年10月- 2013年9月,1096天;P<措施)。
HABSI确认延迟的时间趋势在2007年7月曾高达90天,在2007年7月HAI管理子系统实施后有所下降,在2010年10月系统自动化后进一步改善。2013年下半年的延迟仅为5.78天(标准差0.91天)。相反,如果没有该系统,在H1N1流感大流行期间以及在准备国际认证时,延迟会增加。讨论
初步研究结果
这个基于web的自动化HABSI监测和分类系统使用了从HISs获得的离散数据元素,LISs提供了与传统ICP监测系统高度相关的数据。在敏感性、特异性、PPV和NPV方面表现良好,与参考标准一致;该系统平均减少了29天的确认延迟。该系统提高了实践效率,使icp加强干预,进一步降低呼吸道感染发生率。
电脑辅助的HAI监察及分类系统已广泛推行[
, - ].研究已经证明使用各种算法来检测HAIs,尽管结果不同(摘要在 ) [ - ].这类监测系统最关键的性能特征是灵敏度和净现值;系统的效率可根据PPV进行评估[ ].与参考标准相比,当前版本的检测规则和计算机算法在这3个参数上表现优异(灵敏度98.16%,NPV 99.98%, PPV 95.81%),原因如下:我们通过icp、传染病医生和工程师之间的交流,整合临床知识,翻译国际上的病例定义,定义检测规则并构建计算机算法。该系统是在一家综合医院通过计划-执行-检查-行动循环建立和修订的,该医院为不同的患者群体服务,并提供多种程序。此外,我们评估了该系统的临床效用,将其与前瞻性的、全院范围的常规监测系统和参考标准进行比较。在本研究中,HABSI检测规则(见
),而计算机算法( )提供了极好的结果。我们调整了美国疾病控制与预防中心对HAI的定义,增加了与48小时内再次入院和新生儿相关的规则,以及“医院获得性”规则,定义为入院后48小时或更长时间获得的血液培养阳性。这些规则包括临床败血症的规则,系统主动筛查心率、呼吸频率和体温,以寻找感染相关的症状和体征。这些努力有助于改善仅使用实验室数据时对HAI的潜在低估。HABSI检测规则包括多微生物和持久性BSI准则,以消除大部分错误信号(如重复计数)。此外,habsi的分类可以灵活地解决当地政策和ICP要求,将其与NTUH历史数据进行比较。该系统自动检测和分类habsi,并通过要求进一步确认来确保专业自主性。急性呼吸道感染的每一次发作都需要icp的确认。该系统系统地提供了每个HABSI候选人的详细信息,以支持决策。这种设计的主要原因是系统不完善(请参阅“限制”部分)。此外,由于住院患者中HAI很少,该系统旨在选择潜在的HAI候选人,并排除没有HAI的患者,因此不需要icp的审查。
本研究验证了该系统为质量指标提供数据的潜力。该系统使可持续监测成为可能,生成的数据与按部门和时间划分的传统监测系统相关联。此外,HABSI确认的延迟在2013年下半年减少到5.78天(标准差为0.91)。由于住院时间缩短和新发传染病的威胁增加,早期发现感染前免疫系统可查明宿主或指示病例,并在病原体进一步传播之前提供早期干预。目前,HABSI确认的延迟是由于识别阳性血液培养物和微生物所需的时间造成的;该系统检测和分析血液培养的结果,以防止错误警报。此外,在医院之间共享HABSI自动化监测系统时遇到的主要挑战是不同的HIS设置[
];这个基于web的系统遵循SOA和HL7标准,可以很容易地扩展并适应与其他医疗信息系统一起使用。限制
虽然我们的结果表明该系统表现良好,但这项研究有几个局限性。首先,数据完整性和即时性会极大地影响性能,因为该系统使用了来自许多来源的emr。此外,并非所有监测HAI所需的数据[
],因为电子病历直到2014年1月1日才在NTUH全面实施。其次,源数据的质量与临床实践和EMRs的表现有关,影响结果。2011年采集的血液标本中有多达1.2%(991/80,327)是通过一次抽血获得的(原因见“方法”部分),这影响了常见皮肤共约体的识别,并导致了假阳性的HABSI病例( ).我们查阅了病历,确定假阳性结果是由于标本递送和登录时间延迟造成的。第三,系统在固定时间内(召回日)更新LIS的实验室数据;然而,在随后的住院期间,数据没有重复。这导致了4例假阳性HABSI病例,因为LIS在召回日之后修改了实验室报告,包括了系统中没有更新的常见皮肤共生污染物。第四,本研究没有评估发病地点(负责病房)的协议,因为患者经常转移到不同的病房,并且在研究期间没有关于感染症状和体征的电子临床数据。第五,当考虑到临床情况时,HABSI的病例定义是复杂的。对于意见不一致和接受重估(
),所有假阴性结果都是由于发烧的病例定义(>38°C)。此外,我们没有评估实施该系统后减少的工时,如之前的研究所述[ , , ],或通过重新分配ICP时间和精力,从收集数据到提高项目质量,从而降低HABSI的后续影响,如先前对医院范围内的手部卫生促进项目的研究所述[ ]和护理束用于设备相关感染,以预防HABSI。结论
该全自动系统可集成在医疗信息系统中,可在发生后5.78天(SD 0.91)内检测和分类HABSI,为早期干预提供机会。目前,该系统及感染控制系统的其他组成部分[
, ]运行良好,已成为感染控制项目不可或缺的工具。未来的研究需要使用来自完整emr的临床数据,改进分类算法或采用多变量预测模型[ ].根据这项HABSI自动化监测试点研究的结果,其他HAI监测的进一步努力正在进行中。致谢
作者非常感谢国立台湾大学医院感染控制中心和信息系统办公室的成员对本研究的贡献,并感谢Kenneth D Mandl的批判性审查和评论。这项工作得到了台湾卫生部的资助(资助号DOH98-DC-1007和DOH100-TD-B-111-001给Y-CC)和台湾国家科学委员会的资助(资助号NSC 101-2221-E-002 -203 -MY3给FL和NSC 103-2917-I-564-063给Y-JT)。资助机构没有参与设计或进行研究、数据收集、管理、分析或解释,也没有参与手稿的准备、审查和批准。
利益冲突
没有宣布。
多媒体附件1
国立台湾大学医院(NTUH)及相应疾病预防控制中心(CDC)卫生保健相关血流感染(HABSI)监测分级系统检测规则国家卫生保健安全网(NHSN)卫生保健相关感染(HAI)定义[
].PDF档案(adobepdf档案),53KB
参考文献
- 欧洲疾病预防控制中心。欧洲疾病预防和控制中心:2008年欧洲传染病流行病学年度报告。瑞典斯德哥尔摩;2008.URL:http://ecdc.europa.eu/en/publications/Publications/0812_SUR_Annual_Epidemiological_Report_2008.pdf[已访问2014-12-23][WebCite缓存]
- 克莱文斯RM,爱德华兹JR,理查兹CL,霍兰TC,盖恩斯RP,波洛克DA,等。美国医院卫生保健相关感染和死亡的估计,2002年。公共卫生报告2007;122(2):160-166 [免费全文] [Medline]
- McKibben L, Horan TC, Tokars JI, Fowler G, Cardo DM, Pearson ML,医疗保健感染控制实践咨询委员会。卫生保健相关感染的公开报告指南:卫生保健感染控制实践咨询委员会的建议。感染控制与流行病学2005年6月;26(6):580-587。[CrossRef] [Medline]
- Gaynes R, Richards C, Edwards J, Emori TG, Horan T, Alonso-Echanove J,等。反馈监测数据以防止医院获得性感染。新兴感染杂志2001;7(2):295-298 [免费全文] [CrossRef] [Medline]
- Haley RW, Culver DH, White JW, Morgan WM, Emori TG, Munn VP,等。美国医院感染监测和控制项目在预防医院感染方面的效果。中华流行病学杂志1985年2月;121(2):182-205。[Medline]
- 庄玉春,陈玉春,常少生,孙成昌,常青云,陈明明,等。台湾一所教学医院1981-2007年医疗相关感染的长期趋势中华流行病学杂志2010年10月;76(2):143-149。[CrossRef] [Medline]
- 陈玉春,盛文华,王景涛,常顺生,林兴华,田坤林,等。手部卫生促进在减少卫生保健相关感染方面的有效性和局限性。PLoS One 2011;6(11):e27163 [免费全文] [CrossRef] [Medline]
- Talbot TR, Bratzler DW, Carrico RM, Diekema DJ, Hayden MK, Huang SS,医疗感染控制实践咨询委员会。卫生保健相关监测数据的公开报告:来自卫生保健感染控制实践咨询委员会的建议安实习生2013年11月5日;159(9):631-635。[CrossRef] [Medline]
- Emori TG, Edwards JR, Culver DH, Sartor C, Stroud LA, Gaunt EE,等。重症监护病房患者向国家医院感染监测系统报告医院感染的准确性:一项试点研究。感染控制与流行病学1998 5月;19(5):308-316。[Medline]
- 欺骗我们。医疗相关感染监测期间的决策制定:自动化的基本原理。临床感染杂志2013 Aug;57(3):434-440 [免费全文] [CrossRef] [Medline]
- 后藤M,欧尔ME,施维泽ML,佩伦塞维奇EN。医疗相关感染监测的管理代码数据的准确性:系统回顾和荟萃分析。临床感染杂志2014 Mar;58(5):688-696 [免费全文] [CrossRef] [Medline]
- Hebden约。应用标准化定义监测卫生保健相关感染的准确性和一致性的基本原理。Am J infection Control 2012 Jun;40(5增刊):S29-S31。[CrossRef] [Medline]
- 曾玉军,吴建辉,平秀秀,林海辉,陈友友,尚仁杰,等。基于规则的分类和聚类的基于web的多药耐药生物监测和爆发检测系统。中国医学杂志,2012;14(5):e131 [免费全文] [CrossRef] [Medline]
- 霍兰TC, Andrus M, Dudeck MA。美国疾病控制与预防中心/美国国家卫生保健网络(CDC/NHSN)对急性护理环境中卫生保健相关感染的监测定义和特定类型感染的标准。中国感染控制杂志2008年6月;36(5):309-332。[CrossRef] [Medline]
- 健康等级7。HL7标准v2.5。2003.URL:http://www.hl7.org/[已访问2014-12-23][WebCite缓存]
- 谢淑华,谢淑林,程福辉,赖飞。利用面向服务架构的电子健康和医疗保健企业信息系统。中华卫生杂志2012 4月18日(3):205-212。[CrossRef] [Medline]
- 评估分类任务的一致性:kappa统计。计算语言学1996 6月1日;22(2):249-254。
- Steurbaut K, Van HS, Colpaert K, Lamont K, Taveirne K, Depuydt P,等。在重症监护室使用网络服务进行计算机化医疗决策支持,包括感染控制和抗生素管理。远程通信学报2010;16(1):25-29。[CrossRef] [Medline]
- 贝利尼C,佩蒂尼特C,弗兰乔利P,温格A,比勒J,克洛波托夫A,等。医院菌血症自动化监测策略的比较。感染控制与流行病学2007年9月28日(9):1030-1035。[CrossRef] [Medline]
- 夏尔芬A, Cauet D,林WC, Gonot J, Calvo-Verjat N, Dazza F,等。高灵敏度和高效的计算机辅助系统,用于手术部位感染的常规监测。感染控制和流行病学2006年8月27日(8):794-801。[CrossRef] [Medline]
- Apte M, Landers T, Furuya Y, Hyman S, Larson E.两种计算机算法识别手术部位感染的比较。外科感染(Larchmt) 2011 12月;12(6):459-464 [免费全文] [CrossRef] [Medline]
- Hota B, Lin M, Doherty JA, Borlawsky T, Woeltje K, Stevenson K, CDC预防震中项目。自动化感染监测模型的制定:中心线相关血流感染的算法检测。中国医学杂志2010;17(1):42-48 [免费全文] [CrossRef] [Medline]
- Klompas M, Yokoe DS。卫生保健相关感染的自动化监测。临床感染病2009年5月1日;48(9):1268-1275 [免费全文] [CrossRef] [Medline]
- Brossette SE, Hacek DM, Gavin PJ, Kamdar MA, Gadbois KD, Fisher AG,等。一种以实验室为基础的、全院范围的医院感染电子标记:感染控制监测的未来?中华临床杂志2006年1月;21 (1):34-39 [免费全文] [Medline]
- Woeltje KF, McMullen KM, Butler AM, Goris AJ, Doherty JA。重症监护病房外医疗相关中线相关血流感染的电子监测感染控制与流行病学2011 11月;32(11):1086-1090。[CrossRef] [Medline]
- Choudhuri JA, Pergamit RF, Chan JD, Schreuder AB, McNamara E, Lynch JB,等。一种电子导尿管相关尿路感染监测工具。中华流行病学杂志2011年8月32(8):757-762。[CrossRef] [Medline]
- McBryde ES, Brett J, Russo PL, Worth LJ, Bull AL, Richards MJ。澳大利亚重症监护病房中线相关血流感染的全州监测系统数据的验证。感染控制和流行病学2009 11月30日(11):1045-1049。[CrossRef] [Medline]
- Pokorny L, Rovira, Martín-Baranera M, Gimeno C, Alonso-Tarrés C, Vilarasau J.基于计算机的医院感染监测系统的自动检测:在综合医院的验证研究。感染控制和流行病学2006年5月;27(5):500-503。[CrossRef] [Medline]
- Leth RA, Møller JK。基于电子医院登记的医院获得性感染监测。中华流行病学杂志2006年1月;62(1):71-79。[CrossRef] [Medline]
- 崔克,Zagorski BM, Tokars JI, Vernon MO, Welbel SF, Wisniewski MF,等。检测血液感染的计算机算法。新兴感染疾病2004 Sep;10(9):1612-1620 [免费全文] [CrossRef] [Medline]
- de Bruin JS, Adlassnig K, Blacky A, Mandl H, Fehre K, Koller W.重症监护病房获得性感染自动化监测系统的有效性。中国医学杂志2013;20(2):369-372 [免费全文] [CrossRef] [Medline]
- Bouam S, Girou E, brunn - buisson C, Karadimas H, Lepage E.一个基于内部网的医院感染监测自动化系统:与医生自我报告比较的前瞻性验证。感染控制与流行病学2003年1月24日(1):51-55。[CrossRef] [Medline]
- van Mourik MS, Moons KG, van Solinge WW, Berkelbach-van der Sprenkel JW, Regli L, Troelstra A,等。医疗保健相关感染的自动检测:引流相关脑膜炎监测模型的外部验证和更新PLoS One 2012;7(12):e51509 [免费全文] [CrossRef] [Medline]
- 杜敏,邢勇,索杰,刘波,贾楠,霍锐,等。中国大型三级医院院内感染和爆发的实时自动监控。BMC Med Inform Decis Mak 2014;14:9 [免费全文] [CrossRef] [Medline]
- Woeltje KF, Butler AM, Goris AJ, Tutlam NT, Doherty JA, Westover MB,等。重症监护室中线相关血流感染的自动化监测。感染控制与流行病学2008年9月29日(9):842-846。[CrossRef] [Medline]
- 范穆里克MS, Troelstra A, van Solinge WW, moones KG, Bonten MJ。医疗相关感染的自动化监测:改进的机会。临床感染杂志2013 july;57(1):85-93 [免费全文] [CrossRef] [Medline]
- Woeltje KF, Lin MY, Klompas M, Wright MO, Zuccotti G, Trick WE。卫生保健相关感染电子监测的数据要求。中华流行病学杂志2014年9月35(9):1083-1091。[CrossRef] [Medline]
- Hajdu A, Eriksen HM, Sorknes NK, Hauge SH, Loewer HL, Iversen BG,等。对2002-2008年挪威医院和老年人长期护理设施中卫生保健相关感染点流行率国家监测系统的评价。英国BMC公共卫生2011;11:923 [免费全文] [CrossRef] [Medline]
- 曾玉军,陈玉春,林慧慧,吴建华,陈美美,赖峰。基于网络的医院获得性感染监测信息系统。纽约:IEEE;2010年10月,第10届IEEE生物医学信息技术与应用国际会议(ITAB);2010年11月3日至5日;科孚岛,希腊,第1-4页。[CrossRef]
缩写
CABSI:中线相关血流感染 |
疾病预防控制中心:疾病控制与预防 |
CRBSI:中线相关血流感染 |
电子病历:电子病历 |
HABSI:卫生保健相关血流感染 |
hai:卫生保健相关感染 |
他:医院信息系统 |
HL7:健康等级7 |
ICP:感染控制人员 |
丽丝:实验室信息系统 |
MDROs:耐多药生物 |
NHSN:国家卫生保健安全网 |
净现值:负预测值 |
台大医院:台大医院 |
PPV:阳性预测值 |
SOA:面向服务的体系结构 |
G·艾森巴赫(G Eysenbach)编辑;提交23.12.14;同行评议:W Trick, J de Bruin;作者评论07.04.15;修订版本收到07.06.15;接受24.07.15;发表21.09.15
版权©曾怡菊,吴贞萱,林慧芝,陈明远,平小欧,孙春川,尚荣骥,盛王慧,陈宜春,赖飞培,张善秋。最初发表于JMIR医学信息学(http://medinform.www.mybigtv.com), 2015年9月21日。
这是一篇开放获取的文章,根据创作共用署名许可协议(http://creativecommons.org/licenses/by/2.0/)的条款发布,允许在任何媒介上不受限制地使用、分发和复制,前提是正确引用了首次发表在JMIR医学信息学上的原创作品。必须包括完整的书目信息,http://medinform.www.mybigtv.com/上的原始出版物的链接,以及此版权和许可信息。