基于HIS及多属性决策的护理质量评分方法研究

刘燃

(广东省深圳市龙华区人民医院，广东 深圳 518100)

1 引言

随着智慧化医疗信息管理系统的发展，需要构建优化的护理质量评分系统，相关的护理质量评分系统设计方法研究在护理质量的量化分析和可靠性建设等方面具有重要意义[1]。

国内外对护理质量量化分析和建设方面进行了研究，Meilian X等人提出质量是医疗机构的基础[2]。护理质量管理作为医院管理的重要环节，已成为护理管理者关注的问题之一。因此，将一种满足人们服务需求的新型质量功能展开(Quality Function Deployment，QFD)模式引入护理质量管理并不断探索。Shanoja N等人全面的数据质量评估对于扩大护理数据库是必要的，该数据库旨在评估实施安大略省注册护士协会(Registered Nurses'Association of Ontario，RNAO)制定的最佳实践指南(BPG)的影响[3]。这个案例介绍了一个数据质量评估方法，它采用标准化的护理质量指标报告和评估数据库，通过制定数据质量框架和使用数据质量指数来评估框架的主要方面。数据质量指数是评估数据库质量的单一关键性能指标。国内对护理质量评分大多通过绩效的方式，胡靖琛等人利用疾病诊断分类(Diagnosis Related Groups，DRGs)及相关指标对某医院各病区的护理服务绩效，该方法在护理绩效评价上的应用不仅可以为护理资源分配提供数据支持，也可进一步为护理质量评价和监管提供参考[4]。姜艳等人在循证护理实践方法的指导下，构建重症加强护理病房(Intensive Care Unit，ICU)患者护理质量评价指标体系，对ICU患者评价护理质量具有指导意义[5]。上述方法虽然大多都实现了护理质量评分决策，但传统方法进行护理质量评分系统设计的模糊度较大，特征辨识度水平不好[6]。针对上述问题，本文提出基于HIS及多属性决策的护理质量评分系统设计方法。首先构建护理质量评分的多属性决策约束参数模型，结合多维参数识别的方法实现对护理质量评分多属性决策和量化特征分析，然后建立护理质量评分多属性模糊参数解析控制模型，通过HIS 主成分融合调度方法，实现对护理质量评分多属性决策的过程寻优控制，实现护理质量评分多属性决策和系统优化控制设计。最后进行仿真测试分析，展示了本文方法在提高多属性决策下护理质量评分和评估能力方面的优越性能。

2 护理质量评分多属性决策参数分析和统计建模

2.1 护理质量评分多属性决策参数分析

为了实现基于HIS及多属性决策的护理质量评分系统设计，采用辅助信息和用户评论的统计分析方法，建立护理质量评分多属性决策的模糊约束参数模型，采用多维参数量化分析技术，得到护理质量评分多属性融合参数跟踪学习模型。采用描述性统计分析方法[7]，构建护理质量评分多属性决策的特征采样模型，设护理质量评分多属性决策的模糊评价信息为λ，采用线性规划和多维参数融合，求解护理质量评分多属性决策信息序列的测度特征，在t+1 时刻得到护理质量评分多属性决策的预测状态参数D't+1和L't+1预测值二者的关系满足：

上式中，Ω表示护理质量评分多属性决策的Basset函数，n表示护理质量评分多属性决策信息序列的测度特征，b表示多维参数融合系数。根据上述设计，采用注意力机制和辅助信息结合的方法，得到了护理质量评分多属性决策模糊统计分析模型，结合关联规则信息分析，实现对护理质量评分多属性统计信息模型构造[8]，得到设计的护理质量评分多属性决策模型总体设计构架如图1所示。

图1 护理质量评分多属性决策总体模型构架

对护理质量评分多属性决策数据进行关联数据增强处理，提取护理质量评分多属性决策的梯度信息参数，在模糊置信区间内，通过护理质量评分多属性的，得到护理质量评分多属性决策的统计特征量为：

其中，f(n)表示分段样本检验特征，x(t)表示t时刻护理质量评分多属性决策样本函数，构建护理质量评分的多属性决策约束参数模型，结合多维参数识别的方法实现对护理质量评分多属性参数融合处理。

2.2 护理质量评分的统计学分析模型

建立护理质量评分多属性模糊参数解析控制模型，结合统计学建模方法进行系统数据分析，结合统计特征分析，得到护理质量评分多属性决策的互信息熵满足：

通过变分推断来对实现负载均衡控制，构建护理质量评分多属性决策统计信息模型，由此构建护理质量评分多属性决策的频繁项及关联规则分布：

其中，c表示负载均衡，e表示护理质量评分多属性决策指数，在有限状态空间中，提取护理质量评分多属性的联合统计分析特征量，描述为：

其中，N表示关联统计特征值，根据提取的护理质量评分多属性决策运行参数信息实现关联融合，基于无监督学习方法，分析护理质量评分多属性测评互相关信息融合的规则性特征量，采用Bellare-Rogaway 模型进行护理质量评分多属性决策统计的高维辅助信息融合，得到深度学习推荐系统中实现护理质量评分控制函数为C。采用协同辅助变分自动控制技术，得到评分的测度为m；引入教学质量评估的观测集p(·)，对护理质量评分多属性决策模型进行综合分析，得到统计分析模型为：

基于上述构建的统计分析模型，采用协同变分自动编码控制方法，实现护理质量评分多属性调度和特征提取。

3 护理质量评分系统优化方法

3.1 多源模糊信息融合

在上述构建的护理质量评分的统计学分析模型的基础上，建立护理质量评分多属性模糊参数解析控制模型，结合统计学建模方法进行系统数据分析，通过多源模糊信息融合和多参量估计方法，基于变分贝叶斯推断的方法，得到权衡博弈控制模型为：

其中，u表示信息融合度，使用单个样本融合分析的方法，得到护理质量评分输出为qi(t)(i=1，2，3)，护理质量评分的输出可靠性特征检测输出表达式如下：

基于权衡和学习的方法，结合互相关信息融合方法，得到护理质量评分的模糊预测模型，得到护理质量评分输出值：

其中，α表示模糊预测值，基于隐含变量特征分析方法，得到护理质量评分多属性决策的检验统计特征量为β，采用特卡罗梯度估计的方法，通过随机梯度上升的方法，构建护理质量评分多属性决策的关联信息挖掘评判，建立护理质量评分的融合模型：

基于上述构建的护理质量评分融合模型，实现多源模糊信息融合，提高护理质量评分稳定性。

3.2 护理质量评分多属性决策优化

建立护理质量评分多属性决策的属性归并集和语义本体特征分布集，通过HIS主成分融合调度方法，构建护理质量评分多属性决策模型，由5个状态组成，即，其中X为护理质量评分多属性决策模型中的模糊状态，X={xi，i=1，2，3，…，N}。O为护理质量评分多属性决策模型观测状态，O={oj，j=1，2，3，…，M}其定义式如下：

根据护理质量评分多属性决策信息，对辅助信息进行协同辅助控制，得到护理质量评分多属性综合评估的动态模糊调度模型表示如下：

其中，A表示协同辅助控制值，Ψ表示动态变化值，在护理质量评分多属性决策过程中，在置信区间内，以护理质量评分多属性的统计数据作为输入进行多源参数融合分析，得到护理质量评分多属性综合性决策的统计分析结果为：

采用最大值训练样本法，结合相关性检验分析法，对护理质量评分多属性决策序列进行特征分解，得到护理质量评分多属性决策的特征分解结果为：

对护理质量评分多属性决策结果进行分组检测，建立护理质量评分多属性决策的关联分析模型，根据护理质量评分多属性决策信息，得到自相关融合函数满足：

上式中，H(w)为护理质量评分多属性决策的迭代函数；ω为统计特征分量。根据上述分析，通过HIS 主成分融合调度方法，实现对护理质量评分多属性决策的过程寻优控制，实现护理质量评分多属性决策和系统优化控制设计。

4 仿真测试分析

为了验证本文方法在实现护理质量评分多属性决策和评分优化中的应用性能，采用Matlab进行仿真测试分析，护理质量评分的标签类别数设定为12900，护理质量评分的统计样本数为20000，迭代步数为150，稀疏度为0.37，根据上述参数设定，进行护理质量评分多属性决策，得到描述性统计分析结果见表1。

表1 护理质量评分多属性决策的描述性统计分析结果

根据图2的护理质量评分多属性决策的描述性统计分析结果，实现对护理质量评分多属性决策，得到护理质量评分的信息融合结果如图2所示。

分析图2得知，本文方法能有效实现对护理质量评分的信息融合，提高评分质量水平，测试基于DRGs的湖北省某医院护理绩效评价研究[4]和ICU 患者护理质量评价指标体系[5]与本文方法分别进行护理质量评分的可靠性测试，得到对比结果如图3所示。

图2 护理质量评分的信息融合结果

图3 护理质量评分的可靠性对比

分析图3得知，本文方法进行护理质量评分的可靠性较高，评分误差较小。

5 结束语

构建优化的护理质量评分系统，结合护理参数的优化辨识和融合分析，采用大数据信息管理和特征辨识技术，实现对护理质量评分系统的优化设计和自适应控制，本文提出基于HIS 及多属性决策的护理质量评分方法研究。建立护理质量评分多属性决策的模糊约束参数模型，结合多维参数识别的方法实现对护理质量评分多属性参数融合处理。采用协同变分自动编码控制方法，实现护理质量评分多属性调度和特征提取。构建护理质量评分多属性决策的关联信息挖掘评判，建立护理质量评分的融合模型，提高护理质量评分稳定性。研究得知，本文方法进行护理质量评分的误差较小，可靠性较好。