基于联合监测的ARIMA-ANN机器学习模型的实时医院感染率评估方法

• 作者: 吴艳艳 曹雄晶 熊莉娟 范允舟 邹俊宁 高芳
• 来源期刊: 中华医院感染学杂志
• 学科: 医学
• 关键词: 医院感染率 机器学习 联合监测
• 年，卷（期）: 2020,（20）
• 所属期刊栏目: 感染管理研究
• 页码范围: 3185-3190
• 页数: 6页
• 分类号: R183
• 语种: 中文
• DOI: 10.11816/cn.ni.2020-192922

摘要

目的 探索基于多元化监测指标的时间序列数据对医院感染率进行估算的方法.方法 选取监测系统数据库中三个医院感染高发的重症监护病区内,2014-2017年连续157周的监测数据作为研究对象.构建具有不同滞后程度的医院感染率模拟数据,联合一组包含11个指标的抗菌药物数据集的实时监测数据,利用ARIMA-ANN组合的机器学习模型对实时的医院感染率进行估算,并通过估算值与真实值之间的平均绝对误差百分比(Mean absolute percentage error,MAPE)来验证模型的估算效果.结果 在医院感染诊断滞后1周的情景下,当不联合实时抗菌药物监测数据时,各病区ARIMA模型对医院感染率估算的MAPE为15.86％～23.05％;当联合实时抗菌药物监测数据时,各病区ARIMA-ANN模型对医院感染率估算的MAPE为10.75％～16.08％;当医院感染诊断的滞后时间超过1周时,各病区内各模型对医院感染率估算的MAPE均出现具有统计学意义的升高.结论 联合实时抗菌药物监测指标集的ARIMA-ANN机器学习模型提高对实时医院感染率的估算精度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	熊莉娟		120	687	13.0	19.0
2	吴艳艳		22	172	10.0	12.0
3	高芳		34	366	11.0	17.0
4	邹俊宁		20	275	10.0	16.0
5	范允舟		9	29	3.0	5.0
6	曹雄晶		2	3	1.0	1.0