夏 婧,欧阳庆,申 丹,张 智,刘清梅,肖 真,卢 军

    留置中心静脉导管、导尿管已广泛应用于危重症病人的治疗中,但随之发生的导管相关感染给病人的最终治疗效果带来影响。研究显示,由于中心静脉导管相关血流感染(catheter related blood stream infection,CRBSI)所致死亡率为12%～40%,带来的经济负担归因于CRBSI的成本中位数为3 528.6美元,是农民人均净收入(1 561.7美元)的2.3倍[1-2];美国疾病控制和预防中心研究显示医院发生导尿管相关尿路感染(catheter-associated urinary tract infection,CAUTI)的占比达到医院获得性感染的9%[3]。鉴于循证策略,通过有效的护理干预可以使65%～70%的CAUTI和CRBSI得到有效预防[4],为帮助临床护士早期识别导管感染风险[5-6],通过数据分析技术对导管相关感染的临床数据进行挖掘,预测发生导管相关感染的强关联规则,实现对高危风险因素的精准预测。基于数据挖掘(data mining,DM)融合了智能与统计技术,在医疗等领域得到广泛应用。本研究对数据挖掘在导管相关感染防控中的应用进行综述,以期为临床降低导管相关感染提供新的护理管理思路和方法。

    1 数据挖掘概述及关联规则法

    数据挖掘由美国计算机协会(ACM)在1995年提出[7],是在大量的、复杂的、模糊的数据中通过数据准备、数据挖掘和结果输出3个阶段来提取具有潜在应用价值的信息或模式,实现关联分析、聚类分布、规律探索等功能。关联规则法是数据挖掘常用的技术之一。Agrawal[8]在1993年首次提出,具有反映项与项之间的相关关系的作用。次年Agrawal提出了最经典的Apriori算法[9],此算法是通过探索数据之间未知的、潜在的关联联系,挖掘数据的显性和隐性价值。Apriori算法在分析数据与事物特征之间的关联关系中常常易被接受与解释,已经作为一种数据分析技术,在购物篮分析、推荐系统、医疗诊断方面得到广泛应用 ......