[發明專利]一種醫院安全風險預警管理方法及系統

在審

• 申請號: 202210927933.X
• 申請日: 2022-08-03
• 公開（公告）號: CN115662584A
• 公開（公告）日: 2023-01-31
• 發明（設計）人: 黃國英;翟曉文;徐家驊;張海瑩;劉昊;張穗蓉;姜夏晗;殷紅彥
• 申請（專利權）人: 復旦大學附屬兒科醫院
• 主分類號: G16H40/20
• 分類號: G16H40/20;G06Q10/0635
• 代理公司: 上海容慧專利代理事務所(普通合伙) 31287
• 代理人: 于曉菁

1.一種醫院安全風險預警管理方法，其特征在于，所述方法包括以下步驟：

S1：獲取醫院安全事件歷史數據，對所述歷史數據進行分類；

S2：改進嚴重度評估等級矩陣SAC并構建控制圖，形成彩虹風險預警模型；

S3：基于所述彩虹風險預警模型進行醫院安全風險預警管理，接收根據需求構建的所述彩虹風險預警模型的輸入參數，將所述輸入參數輸入到所述彩虹風險預警模型中，動態生成監控彩虹圖。

2.根據權利要求1所述的方法，其特征在于，所述改進嚴重度評估等級矩陣SAC包括：

建立風險事件的發生率與所述嚴重度評估等級矩陣SAC中的嚴重度分級之間的映射關系，并根據歷史數據自動累計計算，實現智能自動統計。

3.根據權利要求2所述的方法，其特征在于，所述改進嚴重度評估等級矩陣SAC包括：

將所述SAC中的嚴重程度從單一維度判定拓展到多維判定，建立七維五級嚴重度評價標準，所述五級嚴重度包括：無傷害、輕度、中度、嚴重、極嚴重，所述七維包括：病人、員工、訪客、網絡與信息、服務、財務、環境；所述五級嚴重度中的每一者均與所述七維之間存在對應關系。

4.根據權利要求1所述的方法，其特征在于，所述構建控制圖包括：

根據泊松分布的數字特征值進行計算后得到平均值、標準差，從而得到控制圖中心基線、上下控制線，根據所述醫院安全事件歷史數據構建C-控制圖，通過所述C-控制圖對事件發生頻率指標進行監控預警。

5.根據權利要求4所述的方法，其特征在于，所述構建控制圖包括：

將風險事件的嚴重程度進行分級并進行計分，以嚴重程度為縱坐標、以發生頻次為橫坐標，構建事件分析監控圖，對各類事件的嚴重程度與發生數量的分布情況進行監控預警。

6.根據權利要求5所述的方法，其特征在于，所述形成彩虹風險預警模型包括：

對所述C-控制圖和所述事件分析監控圖進行改進，以橫坐標代表事發頻次，縱坐標代表嚴重程度分值，數據點表示當周實際數據落點，利用二維控制圖統計原理劃分不同閾值限，其中嚴重程度、頻率依據歷史平均值，分別以均值、高于均值0～1個標準差、高于均值1～2標準差、高于均值2～3標準差、高于均值3個標準差為界限，依次劃分出5個不同顏色的區域，分別代表不同程度的偏差程度特征，對各類事件的控制度、風險程度進行監控，實現安全風險事件的風險監測與預警。

7.一種醫院安全風險預警管理系統，其特征在于，所述系統包括：

獲取模塊，用于獲取醫院安全事件歷史數據，對所述歷史數據進行分類；

構建模塊，用于改進嚴重度評估等級矩陣SAC并構建控制圖，形成彩虹風險預警模型；

預警模塊，用于基于所述彩虹風險預警模型進行醫院安全風險預警管理，接收根據需求構建的所述彩虹風險預警模型的輸入參數，將所述輸入參數輸入到所述彩虹風險預警模型中，動態生成監控彩虹圖。

8.根據權利要求7所述的系統，其特征在于，所述構建模塊改進嚴重度評估等級矩陣SAC包括：

建立風險事件的發生率與所述嚴重度評估等級矩陣SAC中的嚴重度分級之間的映射關系，并根據歷史數據自動累計計算，實現智能自動統計。

9.根據權利要求8所述的系統，其特征在于，所述構建模塊改進嚴重度評估等級矩陣SAC包括：

將所述SAC中的嚴重程度從單一維度判定拓展到多維判定，建立七維五級嚴重度評價標準，所述五級嚴重度包括：無傷害、輕度、中度、嚴重、極嚴重，所述七維包括：病人、員工、訪客、網絡與信息、服務、財務、環境；所述五級嚴重度中的每一者均與所述七維之間存在對應關系。

10.根據權利要求7所述的系統，其特征在于，所述構建模塊構建控制圖包括：

根據泊松分布的數字特征值進行計算后得到平均值、標準差，從而得到控制圖中心基線、上下控制線，根據所述醫院安全事件歷史數據構建C-控制圖，通過所述C-控制圖對事件發生頻率指標進行監控預警。