大數(shù)據(jù)信息分析醫(yī)院普外手術后切口感染相關因素及預防措施

劉陽

【摘要】 ? ?目的：大數(shù)據(jù)分析觀察普外手術后切口感染的相關因素以及預防措施。方法：大數(shù)據(jù)調取我院收治的普外科手術切口感染患者作為本次的研究對象，共有1090例患者接受普外手術，108例患者出現(xiàn)感染情況，將對這些患者的手術切口感染因素進行研究與調查，討論預防措施。結果：經過大數(shù)據(jù)觀察后發(fā)現(xiàn)年齡≥60歲、性別：男、切口長度≥10cm、手術時間≥2h、住院時間≥7d以及切口類型均為導致患者出現(xiàn)切口感染的相關因素。結論：為了減少感染情況，需要做好術后清創(chuàng)引流，對老年患者加強照顧，并且對切口長度較大的患者精心照顧，以達到減少感染發(fā)生的目的。

【關鍵詞】 ? ?大數(shù)據(jù)信息 ? ?切口感染 ? ?普外手術 ? ?因素與預防

大數(shù)據(jù)技術幾乎應用于電信、金融、教育、醫(yī)療、軍事、電子商務乃至政府決策等各個領域[1]。大數(shù)據(jù)是指具有五大特點，分別是，數(shù)據(jù)量大、數(shù)據(jù)類型多樣、數(shù)據(jù)生成和更新速度快、數(shù)據(jù)來源于現(xiàn)實世界以及高價值和低價值密度等[2-3]。大數(shù)據(jù)分析包括傳統(tǒng)的機器學習、深度學習，是大數(shù)據(jù)的潛規(guī)則和潛在價值的一種方法。在實施數(shù)據(jù)分析時主要包括數(shù)據(jù)預處理、數(shù)據(jù)標注、數(shù)據(jù)特征選擇、基于算法的數(shù)據(jù)分析模型、基于算法的數(shù)據(jù)檢測模型、進一步反饋優(yōu)化模型等過程，大數(shù)據(jù)技術在醫(yī)療領域的項目管理逐漸引起人們的關注[4-6]。臨床中手術切口感染是非常常見的，在醫(yī)院的感染防控工作中，手術切口感染預防是非常重要的，感染情況不僅會影響到手術的治療有效性以及病患的預后情況，而且還可能導致患者出現(xiàn)并發(fā)癥，嚴重將會導致患者死亡，造成醫(yī)患糾紛[7-8]。隨著醫(yī)學技術的不斷進步，醫(yī)護人員更需要重視切口感染情況的預防，了解切口感染的因素，通過科學有效的醫(yī)療治療以及多手段的預防，減少并發(fā)癥以及感染情況的發(fā)生。本次研究主要以醫(yī)院普外手術后切口感染相關因素及預防措施為主，本次研究報道如下。

一、資料與方法

1.1基本資料

本次研究使用大數(shù)據(jù)信息調取我院2018年2月至2020年2月收治的1090例接受普外手術的患者進行研究，其中共有108例普外手術后切口感染患者，男女比例為72例與36例，年齡為35～72歲，平均年齡為（57.28±7.21）歲，所有患者的病歷相關資料均保存完整。

1.2方法

目前，大數(shù)據(jù)分析方法已廣泛應用于醫(yī)學研究中。與傳統(tǒng)研究相比，在研究數(shù)據(jù)方面，大數(shù)據(jù)分析方法可以使用海量數(shù)據(jù)和更多種類的臨床數(shù)據(jù)[9]。它可以利用醫(yī)囑的時間序列和空間密度等低值密度的臨床數(shù)據(jù)，可以利用病人的遠程監(jiān)測數(shù)據(jù)，對結果、疾病診斷模型的準確性、診斷的準確性、診斷的準確性等進行實時動態(tài)分析，采用大數(shù)據(jù)分析方法建立的疾病分類模型和疾病預后預測模型具有較高的實用價值[10-12]。本次研究將采用大數(shù)據(jù)信息調取的方法進行開展，對患者的電子病歷進行調取，對患者的基本信息進行調查，主要包括，性別、年齡以及合并癥等問題，再對患者的治療情況進行觀察，包括手術類型，手術時間以及抗生素的使用情況，對數(shù)據(jù)進行分析與觀察。

1.3切口感染診斷標準

如果經過觀察發(fā)現(xiàn)患者的手術切口有紅、腫、熱、痛等癥狀，并且發(fā)現(xiàn)分泌物為膿性且滲漏;手術之后傷口自然裂開，有膿性分泌物，患者的體溫為39℃以上，對切口進行深部引流以及穿刺引流時發(fā)現(xiàn)有膿性物質，并且對患者的病原菌培養(yǎng)之后標準符合切口感染的診斷標準，則表示患者為切口感染。

1.4統(tǒng)計學方法

為了確定兩組差異，本次研究將采用SPSS 26.0統(tǒng)計學軟件來對兩組的數(shù)據(jù)情況進行分析，變量通過t來進行檢驗，數(shù)據(jù)通過X?校驗，計數(shù)資料采用百分比表示，計量數(shù)據(jù)采用t標準差表示，對兩組數(shù)據(jù)進行對比，最終得出P 〈 0.05時則表示具有統(tǒng)計學意義。

二、結果

經過觀察后發(fā)現(xiàn)年齡≥60歲、切口長度≥10cm、手術時間≥2h、住院時間≥7d以及切口類型均為導致患者出現(xiàn)切口感染的相關因素。（見表1）

三、討論

大數(shù)據(jù)分析的應用將迅速而廣泛地出現(xiàn)在整個醫(yī)療機構和醫(yī)療行業(yè)。本文所描述的數(shù)據(jù)檢索和統(tǒng)計分析表明，大數(shù)據(jù)應用需要一系列專業(yè)技能，為保證臨床數(shù)據(jù)分析的準確，需要多種運算方法，包括：復雜數(shù)據(jù)的處理、集成、分析，并能幫助醫(yī)務工作者充分了解數(shù)據(jù)分析的結果。為此，需要醫(yī)學和其他專業(yè)技能的合作[13-16]。

手術切口感染是較為常見的，而且可能發(fā)生在各種類型的手術術后，對于醫(yī)院來說感染防控工作是非常重要的，感染情況的發(fā)生不僅會影響到手術的效果，而且還會對患者的預后情況造成影響，患者也可能出現(xiàn)并發(fā)癥情況。由于引發(fā)普外手術切口感染的情況較多，在治療過程中需要對多個方面進行監(jiān)控。對于年齡較大的患者，更加需要對其重視，增加檢查次數(shù);對于切口長度較長且切口類型特殊的患者，則需要在手術后為患者及時清理切口，并且給予患者抗生素，減少感染情況的發(fā)生，手術后為患者做好引流、清創(chuàng)、清潔工作。此外，在手術過程中還需要減短手術時間與住院時間，給予患者微創(chuàng)手術進行治療，真正落實治療效果的提升，減少感染情況的發(fā)生，為患者準備好干凈整潔的病房，讓患者能夠安心養(yǎng)病。

目前，基于大數(shù)據(jù)分析方法的研究還有很大的發(fā)展空間。未來大數(shù)據(jù)研究領域，需要進一步提高原始數(shù)據(jù)的質量和數(shù)量，在驗證臨床大數(shù)據(jù)的準確性和模型的有效性方法中可以開展更多的前瞻性隊列研究，在這個進程中需要廣大科學家和醫(yī)學研究人員的密切合作，將會有益于更多更高質量的醫(yī)學，從而提高普外科疾病的診療水平[17-19]。通過對臨床和其他數(shù)據(jù)存儲庫的數(shù)據(jù)管理和分析，大數(shù)據(jù)可以獲得前所未有的洞察力，并作出更明智的決策[20]。

綜上所述，為了真正減少感染情況的出現(xiàn)，手術后需要對手術切口進行清理，并且加強對切口長度較長，年齡較大患者的監(jiān)護，必要時給予患者抗生素，加強護理真正減少感染情況的發(fā)生。

參 ?考 ?文 ?獻

[1]Tan SS，Gao G，Koch S.Big data and analytics in health·care[J].Methods Inf Med，2015，54（6）：546-547.DOI：lO.3414/mel5.06.1001.

[2]Obermeyer z，Emanuel EJ.Predicting the future-big data，machine learning，and clinical medicine[J].N Engl J Med，2016，375（13）：1216·1219.D01：10.1056/NElMpl606181.

[3]Rumsfeld JS，Joynt KE，Maddox TM.Big data analytics toimprove cardiovascular care：promise and challenges[J].Nat Rev Cardiol，2016，13（6）：350.DOI：10.1038/nrcardio.2016.42.

[4]Drovandi CC，Holmes C，McGree Ji，et a1.Principles ofexperimental design for big data analysis[J].Stat Sci，2017，32（3）：385-404.DOI：10.1214/16-sis604.

[5]李巖， 李海霞. 基層醫(yī)院普外科手術切口感染相關因素及預防措施[J]. 醫(yī)藥衛(wèi)生（文摘版）：00102.

[6]Green A K，Reederhayes K E，Corty R W，et al.The Project Data SphereInitiative：Accelerating

[7]Cancer Research by Sharing Data [J].Oncologist，2015，20（5）：464-472.

[8]Sydes M R，Johnson A L，Meredith S K，et al.Sharing data from clinical trials：the rationale for a controlled access approach[J].Trials，2015，16（1）：1-6.

[9]Lawler M，Siu L L，Rehm H L，et al. All the Worlds a Stage：Facilitating Discovery Science and Improved Cancer Care through the Global Alliance for Genomics and Health[J]. Cancer Discovery，2015，5（11）：1133.

[10]Zhu C Q，Santos G D C，Ding K，et al. Role of KRAS and EGFR as biomarkers of response to erlotinib in National Cancer Institute of Canada Clinical Trials Group Study BR. 21[J]. Journal of Clinical Oncology，2008，26（26）：4268 - 4275.

[11]Collins F S，Varmus H. A New Initiative on Precision Medicin[e J]. N Engl J Med，2015，372（9）：793 - 795.

[12]Dagi T F. Seven Ethical Issues Affecting Neurosurgeons in the Context of Health Care Reform[ J].Neurosurgery，2017，80（4S）：S83.

[13]Nguyen T，Khosravi A，Creighton D，et al. EEG data classification using wavelet features selected by Wilcoxon statistics[ J]. Neural Computing & Applications，2015，26（5）：1193 - 1202.

[14]Rahman H，Begum S，Ahmed M U. Ins and Outs of Big Data：A Review[M]/ / International Conference on IoT Technologies for HealthCare. Springer International Publishing，2016：44 - 51.

[15] Kalid N，Zaidan A A，Zaidan B B，et al. Based Real Time Remote Health Monitoring Systems：A Review on Patients Prioritization and Related”Big Data”Using Body Sensors information and Communication Technology[ J]. Journal of Medical Systems，2018，42（2）：30.

[16]News M. Making Sense of Big Data[J]. Biotechniques，2013，60（3）：108.

[18]徐志祥，王瑩.我國醫(yī)療行業(yè)大數(shù)據(jù)應用現(xiàn)狀及政策建議[J].中國衛(wèi)生信息管理雜志， 2017，14（6）：822-825.

[19]孟群，畢丹，張一鳴，等.健康醫(yī)療大數(shù)據(jù)的發(fā)展現(xiàn)狀與應用模式研究[J].中國衛(wèi)生信息管理雜志，2016，13（6）：547-552.

[20]譚彬，劉曉峰，邱嵐，等.大數(shù)據(jù)安全管理及關鍵技術研究[J].網絡空間安全，2017，8（12）： 25-28.