申请/专利权人：湖南德雅曼达科技有限公司

申请日：2023-12-13

公开（公告）日：2024-03-15

公开（公告）号：CN117423475B

主分类号：G16H50/80

分类号：G16H50/80;G06Q10/0635;G06F18/2135

优先权：

专利状态码：有效-授权

法律状态：2024.03.15#授权;2024.02.06#实质审查的生效;2024.01.19#公开

摘要：本发明提供了一种应用于医院场景的科室感染风险识别方法及系统，本发明基于矩阵算法进行主成分分析，相比于传统的单一结果的主成分分析方法，本申请提供了多元的评价体系；相比于传统的多结果的、基于深度学习训练算法的主成分分析方法，本发明提供了无需基于高算力计算机的评价体系，降低了对硬件设备和人员专业知识的依赖程度。

主权项：1.应用于医院场景的科室感染风险识别方法，其特征在于，包括以下步骤：S1、确定场景范围；基于院内感染控制手册及规范的规定，确定院内感染管控区域，确定感染风险识别的目标科室；S2、建立科室感染黑箱模型；具体包括：S21、确定科室感染黑箱模型的确定输入量和输出量；查阅院内感染控制手册及规范、外部文献、专家意见；确定院内感染风险指标，作为科室感染黑箱模型的输入量；确定院内感染结果指标，作为科室感染黑箱模型的输出量；S22、确定科室感染黑箱模型的关系函数种类；针对感染风险识别的目标科室，确定院内感染风险指标包括管理风险指标、医疗风险指标和护理风险指标；确定院内感染结果指标包括结果评分，构建多维线性关系函数；满足：；；； ； ；其中，、和分别为管理风险指标、医疗风险指标和护理风险指标的风险系数；为管理风险指标的取值范围，为医疗风险指标的取值范围，为护理风险指标的取值范围；S23、确定科室感染黑箱模型的考察量；将未知的管理风险指标、医疗风险指标和护理风险指标的风险系数、和确定为科室感染黑箱模型的考察量；S3、科室感染黑箱模型的解析；具体包括：S31、调取既往数据；调取感染风险识别目标科室的既往管理风险指标、既往医疗风险指标、既往护理风险指标，以及既往结果指标，构建既往风险结果数据映射；其中，下标表示为第组既往风险结果数据；S32、既往数据导入科室感染黑箱模型；将数据已知的既往风险结果数据映射，导入风险系数、和未知的多维线性关系函数，完成数据导入；S33、主成分分析；对已经完成数据导入的多维线性关系函数进行主成分分析，得到各结果指标的主成分顺序，确定目标科室的感染风险，完成科室感染黑箱模型的解析；S4、确定风险系数；根据目标科室的科室感染黑箱模型的解析结果，确定目标科室感染风险，并对感染风险的风险系数进行赋值，得到量化的线性风险结果关系函数；S5、风险识别和分析；基于量化的线性风险结果关系函数，对各目标科室进行院内感染的风险识别、分析、评价和整改。

全文数据：

权利要求：

百度查询： 湖南德雅曼达科技有限公司 应用于医院场景的科室感染风险识别方法及系统

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD