基于物联网技术的婴儿培养箱质量管理决策支持系统

王肖文，何江波，陈旭创，许旭光

佛山市第一人民医院 1 设备科，2 采购办公室 （广东佛山 528000）

医疗卫生是关系国计民生的重大问题。近年来，新生儿感染、设备失控等多起不良事件引起了社会的广泛关注，其中，婴儿培养箱温度失控事件屡次成为热门话题[1]。婴儿培养箱是新生儿科重要的医疗设备，配置数量多，主要作用是为患病新生儿提供安全的养护救治环境，其安全使用和质量控制对新生儿治疗、培养质量具有十分重要的作用。

目前，国内婴儿培养箱的质量管理主要依据国家现行标准GB 11243-2008《医用电气设备 第2部分：婴儿培养箱安全专用要求》和JJF 1260-2010《婴儿培养箱校准规范》进行。婴儿培养箱现阶段的管理虽遵循的是以上两个标准，但管理方式仍较为传统，相对滞后，大多只依靠临床医护人员和设备工程师在定期性能检测及日常维护工作中人工记录、统计设备使用状态，因此，管理不够规范，工作效率较低，无法实现实时监控及管理工作的智能化[2]。目前的婴儿培养箱只可实现对温度、湿度参数的监控，且报警功能简单，在其他关乎患病新生儿治疗质量的物理安全风险、噪声风险、氧浓度风险、报警失灵风险、温控失调风险、电器安全风险等方面的管理存在缺失。如何确保婴儿培养箱在临床应用的安全性、有效性，将设备的管理工作智能化、信息化，高效地实现对婴儿培养箱的全生命周期质量管控，以及预防设备使用过程中存在的风险，并做出及时、有效的决策支持，成为当前医院管理面对的一大难题，因此，亟须建立以质量安全为主、科学管理为辅的婴儿培养箱质量管理决策支持系统，以实现高效、科学地管理，从而最大限度地降低婴儿培养箱使用过程中的风险，提高医疗安全性。基于此，本研究设计并构建了一种基于物联网技术的婴儿培养箱质量管理决策支持系统，以下将从系统功能设计及结构设计两方面介绍。

1 系统功能设计

该系统基于物联网技术，自主研发质控监测仪及决策支持系统，构建了一个新生儿科领域关于婴儿培养箱质量控制及风险分析的决策支持系统，其主要包括物联网监控、风险评估及决策支持信息反馈等模块。

1.1 物联网监控

通过该模块的质控监测仪，建立完整的质控流程，借助无线蓝牙通信技术采集婴儿培养箱质控数据，可实现对婴儿培养箱状态参数（如震动、噪声、温湿度、空气流速、氧气、二氧化碳、辅助报警等）的远程无线监控，因此，该模块具有设备动态分配、状态自动记录、超阈值报警等功能[3-5]。

1.2 风险评估

通过FAME 风险分析方法对采集到的质控数据、状态参数指标进行客观量化，计算设备使用与风险监测综合评分，确定失效模式的风险等级排序并生成风险应对预案，建立以质控数据库为基础的婴儿培养箱质控数据风险分析平台。

1.3 决策支持

该模块采用C/S（client/server model）模式设计，由人机交互、知识库子系统及决策支持服务组成。结合婴儿培养箱质控的专业知识，以质控数据库为基础，建设数据平台实现各级岗位风险分析识别，通过FMEA 将异构数据进行处理、整合，加载到临床数据中心（ clinical data resposiry，CDR）中，再通过临床决策支持系统（clinical decision support system，CDSS）接口调用多策略风险应对方案，为临床提供婴儿培养箱质量控制和风险控制相关的决策支持[6]。

2 系统结构设计

2.1 物联网监控模块（图1）

图1 基于物联网技术的婴儿培养箱质量管理决策支持系统的架构

物联网监控模块包括硬件（质控监测仪）、硬件平台、软件平台及无线传感器网络。硬件平台使用的是Intel Edison，软件平台为由Yocoto Project 定制的Linux，无线传感器网络互联使用ZigBee 技术。质控监测仪可对温度、湿度、震动、噪声、二氧化碳、空气流速等进行监测，并采集、储存监测到的信息，再利用射频（radio frequency，RF）网关、通信集成模块，将采集到的质控数据传送到后台数据库，实现对婴儿培养箱重要质控参数的监测[7]。具体情况如下：（1）通过震动传感器801S、声音传感器，实时监测新生儿的状态，如睡眠、活动、哭泣等；（2）利用CCS811二氧化碳传感器，实时监测培养箱中的二氧化碳含量，提供培养箱内部环境的相关信息；（3）利用HDC1080温湿度传感器，实时监测培养箱内部环境温湿度，并将异常情况进行报警；（4）利用空气流速传感器，实时监测培养箱中的空气流动状态，为新生儿提供一个舒适的培养环境；（5）氧浓度传感器Gasboard-8500V 实时监测培养箱中氧气含量的变化；（6）辅助报警系统负责发出由传感器状态变化产生的一切报警信息，并通过明显的指示灯进行提示。

2.2 风险分析模块

风险分析模块主要运用FMEA 方法，对婴儿培养箱采集的质控数据进行可靠性分析和风险评估，分析婴儿培养箱使用过程中存在的隐患，识别出系统中薄弱环节和关键部位，对风险指标数据分类，筛选出报警代码的具体风险信息，进行等级排序，建立风险特征库[8]。通过风险分析模块进行案例评估，计算敏感系数（sensitivity priority number，SPN）及风险系数（risk priority number，RPN）的数值，自动反馈风险应对方法，并将持续改进内容更新到数据库。

2.3 决策支持模块

该模块应用贝叶斯网络、人工神经网络、遗传算法、逻辑条件、因果概率网络等方法进行临床决策支持建模，采用医疗大数据分析、医学文献检索、SVM（support vector machine）方法、BP（back propagation）神经网络、主成分分析、因子分析等多种分析方法，结合婴儿培养箱质控数据库和风险分析数据库，并比对决策支持库建立决策逻辑[9]。该模块对婴儿培养箱的使用、维护、质控、培训等方面给予决策支持，具体如下：（1）通过震动、声音监测模块，实时监测培养箱的异常震动状态，给出设备风机是否异常、升降摇床是否完好及新生儿状态是否出现异常的决策提示；（2）通过温、湿度监测模块，实时监测培养箱内部环境温、湿度，当温度过低或过高时，提醒使用人员检查发热管、培养箱的温度传感器、风机、箱体的密封性是否正常，并对异常情况进行报警，当湿度过低或过高时，提示水箱水位是否正常，水箱发热丝、培养箱的湿度传感器、风机是否正常运行；（3）利用空气流速监测模块，实时监测培养箱中空气的流动状态，提示风机的转速是否正常；（4）通过氧浓度监测模块，实时监测培养箱中氧气的含量，当氧浓度过高时，提醒工作人员检查新生儿呼吸机连接鼻塞是否脱落，当氧气浓度过低时，提示检查箱体密封性及风机是否异常；（5）辅助报警模块，实时响应由传感器状态变化产生的一切报警信息，并通过明显的指示灯进行提示。

3 小结

本系统使婴儿培养箱具备了物联网监测、风险分析及决策支持的功能，改善了传统的人工维护模式，实现相关工作的无纸化，规避了工程人员专业知识局限性、人为质控工作差错等方面的问题，不仅能够节省人力资源，还可提高质控数据监测的准确性。本系统可判断培养箱使用状况，利用知识库显示相符信息，使人工与智能工作流程灵活结合，自动提示知识库匹配信息[10]。科学化、知识化的临床辅助决策提示相关人员及时做出正确应对措施，可实现更加科学的管理，为工程技术人员提供风险分析及决策支持，从而为医疗服务提供质量保障[11]。此外，本系统具有广泛的扩展性，还可应用到新生儿黄疸光疗箱、辐射抢救台等新生儿科其他设备中，为实现对新生儿科设备的高效有序管理提供有力的支撑。