夏麗霞，顧則娟，林 征，王 榮，周 元，陳柯宇，曹小彤，王草源，邢雙雙，楊 蕾

江蘇省人民醫(yī)院（南京醫(yī)科大學(xué)第一附屬醫(yī)院）,江蘇210029

當(dāng)今知識(shí)經(jīng)濟(jì)社會(huì)，護(hù)理執(zhí)業(yè)環(huán)境日益復(fù)雜，專業(yè)照護(hù)可及性、碎片化護(hù)理、安全質(zhì)量和成本等問(wèn)題凸顯[1]。有效的決策信息可以促進(jìn)衛(wèi)生服務(wù)的專業(yè)化[2]。而臨床決策支持系統(tǒng)（clinical decision support system,CDSS）、電子病歷（electronic health record,EHR）等衛(wèi)生信息技術(shù)（health information technology,HIT）的出現(xiàn)推動(dòng)了護(hù)理服務(wù)交付模式的變革和創(chuàng)新[3]。最新的高級(jí)護(hù)理程序以標(biāo)準(zhǔn)化護(hù)理語(yǔ)言（standardized nursing language,SNL）為基礎(chǔ)，包含了科學(xué)的評(píng)估、護(hù)理診斷、干預(yù)及病人結(jié)局分類[4-5]。臨床決策支持系統(tǒng)可以通過(guò)應(yīng)用臨床決策軟件，將病人特征與計(jì)算機(jī)編碼的專家知識(shí)相匹配，針對(duì)特定病人提供相關(guān)信息，幫助護(hù)士實(shí)施高級(jí)護(hù)理程序[6]?；谌斯ぶ悄芗夹g(shù)的臨床決策支持系統(tǒng)被認(rèn)為是改善病人醫(yī)護(hù)質(zhì)量和提高醫(yī)護(hù)人員工作效率的有效工具，已成為衛(wèi)生信息領(lǐng)域研究的熱點(diǎn)[7]。而電子病歷可以為臨床決策支持系統(tǒng)奠定基礎(chǔ)，早期研究者通過(guò)從電子病歷提供的信息網(wǎng)絡(luò)中集成臨床決策支持系統(tǒng)以進(jìn)行警報(bào)提醒、預(yù)防、診斷及干預(yù)決策支持[8-11]。盡管臨床決策支持系統(tǒng)在為醫(yī)護(hù)人員提供關(guān)于診斷、預(yù)防和治療的決策建議，輔助其診療行為方面具有重要意義，但就目前而言，其在技術(shù)上仍面臨諸多挑戰(zhàn)，如科學(xué)知識(shí)和病人數(shù)據(jù)集通常位于不同數(shù)據(jù)庫(kù)中的超大文件中（“信息孤島”）、利用知識(shí)庫(kù)“生產(chǎn)式規(guī)則”表示專家意見以及科學(xué)化、基于標(biāo)準(zhǔn)化護(hù)理語(yǔ)言的高級(jí)護(hù)理程序不盡如人意[12-14]等。隨著衛(wèi)生信息技術(shù)發(fā)展和信息系統(tǒng)普及，科學(xué)和護(hù)理不斷融合，數(shù)據(jù)、知識(shí)的收集、整合、交互及共享逐漸成為實(shí)現(xiàn)專業(yè)照護(hù)和個(gè)性化病人護(hù)理的關(guān)鍵組成部分[15-17]。因此，本研究引入模糊綜合評(píng)價(jià)及人工神經(jīng)網(wǎng)絡(luò)綜合評(píng)價(jià)模型研發(fā)集成式、智能化護(hù)理決策支持系統(tǒng)，以期為后續(xù)系統(tǒng)的實(shí)現(xiàn)及應(yīng)用提供參考。

1 系統(tǒng)構(gòu)建準(zhǔn)備

1.1 組建項(xiàng)目小組 根據(jù)研究目的和內(nèi)容成立項(xiàng)目研究小組，成員包括護(hù)理部主任3 名、護(hù)理專業(yè)碩士研究生7 名、研發(fā)公司計(jì)算機(jī)軟件工程師2 名。在研究過(guò)程中，根據(jù)研究進(jìn)展將階段性納入各?？瓶剖易o(hù)士長(zhǎng)及臨床骨干。

1.2 尋找理論依據(jù) ①?zèng)Q策支持理論：決策支持系統(tǒng)（decision support system，DSS）是計(jì)算機(jī)應(yīng)用系統(tǒng)軟件通過(guò)數(shù)據(jù)、模型和知識(shí)處理，以人機(jī)交互方式幫助用戶對(duì)半結(jié)構(gòu)化或非結(jié)構(gòu)化問(wèn)題進(jìn)行決策[18]。1980 年Sprague[19]提出決策支持系統(tǒng)兩庫(kù)結(jié)構(gòu)，極大地促進(jìn)了決策支持系統(tǒng)的發(fā)展。智能決策支持系統(tǒng)在兩庫(kù)基礎(chǔ)上增加了知識(shí)庫(kù)和方法庫(kù)，形成了四庫(kù)結(jié)構(gòu)。隨后，綜合評(píng)價(jià)決策支持系統(tǒng)又引入集成數(shù)據(jù)倉(cāng)庫(kù)、數(shù)據(jù)庫(kù)、模型庫(kù)、知識(shí)庫(kù)、聯(lián)機(jī)分析、數(shù)據(jù)挖掘結(jié)構(gòu)部件[20]，將專家系統(tǒng)、數(shù)據(jù)挖掘及模型庫(kù)相結(jié)合，實(shí)現(xiàn)了決策資源共享，成為當(dāng)前決策支持領(lǐng)域關(guān)注的焦點(diǎn)。②模糊綜合評(píng)價(jià)法：模糊綜合評(píng)價(jià)法應(yīng)用模糊數(shù)學(xué)的理論和方法，以隸屬函數(shù)作為橋梁，從多因素對(duì)被評(píng)價(jià)對(duì)象隸屬等級(jí)狀況進(jìn)行綜合評(píng)價(jià)決策、排序擇優(yōu)[21]，其優(yōu)點(diǎn)是對(duì)多層次、多因素且同時(shí)包含定量、定性綜合目標(biāo)的復(fù)雜系統(tǒng)評(píng)價(jià)效果較好[22]。③人工神經(jīng)網(wǎng)絡(luò)（artificial neural network，ANN）綜合評(píng)價(jià)法：人工神經(jīng)網(wǎng)絡(luò)通過(guò)模擬人腦的神經(jīng)網(wǎng)絡(luò)非線性系統(tǒng)工作原理進(jìn)行學(xué)習(xí)和判斷評(píng)價(jià)，可以根據(jù)所提供的歷史樣本數(shù)據(jù)，反復(fù)學(xué)習(xí)訓(xùn)練，找出輸入端和輸出端之間的映射聯(lián)系，從而求取問(wèn)題的解[23-24]。反向傳播（back propagation，BP）神經(jīng)網(wǎng)絡(luò)使用輸出層→隱含層→輸入層誤差反向傳播算法，是應(yīng)用最廣泛的一種神經(jīng)網(wǎng)絡(luò)模型[22]。④組合評(píng)價(jià)法：組合評(píng)價(jià)法是將同種性質(zhì)綜合評(píng)價(jià)方法加以改造并組合，得到更為科學(xué)、合理的評(píng)價(jià)結(jié)果。模糊綜合評(píng)價(jià)與人工神經(jīng)網(wǎng)絡(luò)綜合評(píng)價(jià)法的集成[22,25]被認(rèn)為是對(duì)多層次、多目標(biāo)復(fù)雜系統(tǒng)綜合評(píng)價(jià)決策比較有效的一種方法。

1.3 進(jìn)行文獻(xiàn)分析 以“護(hù)理程序”“決策支持系統(tǒng)”“綜合評(píng)價(jià)”“模糊綜合評(píng)價(jià)”“人工神經(jīng)網(wǎng)絡(luò)”“數(shù)據(jù)挖掘”“人 工 智 能”“nursing procedure”“decision support system”“comprehensive evaluation”“fuzzy synthetic evaluation”“artificial neural network”“data mining”“artificial intelligence”為關(guān)鍵詞，系統(tǒng)檢索PubMed、EBSCO、CINAHL、PsycINFO、ERIC、中國(guó)生物醫(yī)學(xué)文獻(xiàn)數(shù)據(jù)庫(kù)、知網(wǎng)、萬(wàn)方等數(shù)據(jù)庫(kù)，設(shè)置檢索時(shí)間為建庫(kù)至2020 年2 月29 日。對(duì)“護(hù)理程序”“綜合評(píng)價(jià)”“決策支持系統(tǒng)”相關(guān)概念、命題進(jìn)行結(jié)構(gòu)化資料整理及分析。

2 系統(tǒng)構(gòu)建方法

2.1 基于反向傳播神經(jīng)網(wǎng)絡(luò)與模糊綜合評(píng)價(jià)集成的護(hù)理綜合評(píng)價(jià)決策模型

2.1.1 護(hù)理綜合評(píng)價(jià)決策指標(biāo)體系的建立 護(hù)理程序（護(hù)理評(píng)估→護(hù)理診斷→護(hù)理干預(yù)→護(hù)理評(píng)價(jià)）是病人護(hù)理的關(guān)鍵，也是決策評(píng)價(jià)、解決問(wèn)題的系統(tǒng)過(guò)程。實(shí)際臨床工作中，護(hù)理問(wèn)題評(píng)價(jià)常涉及多個(gè)因素或多個(gè)指標(biāo)（如護(hù)理診斷的相關(guān)因素、診斷定義特征、治療護(hù)理措施、病人特征及意愿等），是多因素相互作用的綜合判斷。根據(jù)對(duì)象系統(tǒng)特征確定評(píng)價(jià)指標(biāo)體系，是進(jìn)行綜合評(píng)價(jià)的第1 步。愛荷華大學(xué)研究小組基于標(biāo)準(zhǔn)化護(hù)理語(yǔ)言建立的護(hù)理結(jié)局分類（nursing outcomes classification, NOC）系統(tǒng)包含標(biāo)準(zhǔn)化結(jié)局、定義和衡量標(biāo)準(zhǔn)，是為護(hù)士提供的能夠用于確定和評(píng)價(jià)護(hù)理措施效果的專業(yè)語(yǔ)言[26]。本研究根據(jù)指標(biāo)評(píng)價(jià)體系的建立原則，基于護(hù)理結(jié)局分類的標(biāo)準(zhǔn)化護(hù)理語(yǔ)言構(gòu)建護(hù)理綜合評(píng)價(jià)決策指標(biāo)體系。其中，總目標(biāo)層為專業(yè)性照護(hù)綜合評(píng)價(jià)，體現(xiàn)護(hù)理服務(wù)的效能和效益；準(zhǔn)則層由護(hù)理敏感性病人結(jié)局（nursing - sensitive patient outcome）構(gòu)成，用以描述一種對(duì)護(hù)理措施最為敏感的，能夠確定測(cè)量步驟的具體病人狀態(tài)；指標(biāo)層由護(hù)理敏感性結(jié)局指標(biāo)（patient outcome indicator）構(gòu)成，一組結(jié)局指標(biāo)決定病人在該結(jié)局上的狀態(tài)。護(hù)理結(jié)局分類所有結(jié)局和指標(biāo)的狀態(tài)、行為或感知的可變性均使用Likert 5 級(jí)計(jì)分法描述。本研究參照護(hù)理結(jié)局分類的結(jié)局和指標(biāo)度量尺度，將護(hù)理綜合評(píng)價(jià)決策指標(biāo)體系中的指標(biāo)標(biāo)準(zhǔn)分為Ⅰ～Ⅴ級(jí)，Ⅰ級(jí)表示很差，Ⅱ級(jí)表示較差，Ⅲ級(jí)表示一般，Ⅳ級(jí)表示較好，Ⅴ級(jí)表示很好。

2.1.2 確定各指標(biāo)的隸屬度

2.1.2.1 指標(biāo)類型一致化處理 指標(biāo)類型不同，處理方法不同。因此，在綜合評(píng)價(jià)前需對(duì)評(píng)價(jià)指標(biāo)的類型進(jìn)行一致化處理，將極小型、居中型及區(qū)間型指標(biāo)轉(zhuǎn)換為極大型指標(biāo)。

①假設(shè)極小型指標(biāo)為x，極大型指標(biāo)為x*，指標(biāo)x的允許上界為M，一致化處理公式為：

②假設(shè)居中型指標(biāo)x，極大型指標(biāo)為x*，指標(biāo)x 的允許下界為m，指標(biāo)x 的允許上界為M，一致化處理公式為：

③假設(shè)區(qū)間型指標(biāo)為x，極大型指標(biāo)為x*，指標(biāo)x的允許下界為m，指標(biāo)x 的允許上界為M，指標(biāo)x 最佳穩(wěn)定區(qū)間下限為q1，指標(biāo)x 最佳穩(wěn)定區(qū)間上限為q2，一致化處理公式為：

2.1.2.2 有量綱向無(wú)量綱轉(zhuǎn)化 無(wú)量鋼化又稱為指標(biāo)數(shù)據(jù)的標(biāo)準(zhǔn)化、規(guī)范化，是通過(guò)數(shù)學(xué)轉(zhuǎn)化消除計(jì)量指標(biāo)之間量綱和量級(jí)的影響。在綜合評(píng)價(jià)和知識(shí)獲取以前，應(yīng)先將各評(píng)價(jià)指標(biāo)屬性值統(tǒng)一變換到[0,1]。假設(shè)評(píng)價(jià)指標(biāo)目標(biāo)范圍內(nèi)某項(xiàng)指標(biāo)的最大值為xmax，評(píng)價(jià)指標(biāo)目標(biāo)范圍內(nèi)某項(xiàng)指標(biāo)的最小值為xmin，評(píng)價(jià)指標(biāo)目標(biāo)范圍內(nèi)某病人該指標(biāo)的實(shí)際值為xi，極大型數(shù)據(jù)應(yīng)用二次拋物偏大型分布的數(shù)學(xué)模型轉(zhuǎn)化公式如下：

2.1.2.3 無(wú)量綱指標(biāo)的處理 使用專家打分法將指標(biāo)體系中無(wú)量綱指標(biāo)定性評(píng)價(jià)的指標(biāo)量化后，再進(jìn)行標(biāo)準(zhǔn)化處理，處理方法與極大型數(shù)據(jù)應(yīng)用二次拋物偏大型分布的數(shù)學(xué)模型轉(zhuǎn)化公式相似。

2.1.2.4 權(quán)重的確定 采用專家估計(jì)法，基于單個(gè)護(hù)理問(wèn)題，各因素相對(duì)于其上一層次因素的相對(duì)重要性權(quán)重為A＝（a1,a2,…,am），其中ai>0，且∑ai=1。

2.1.2.5 單因素模糊評(píng)價(jià)矩陣R 的確定 對(duì)每個(gè)護(hù)理方案護(hù)理敏感性病人結(jié)局集中的單因素ui（i＝1,2,…,k）進(jìn)行單因素評(píng)價(jià)，從因素ui著眼該結(jié)局對(duì)抉擇等級(jí)vj（j＝1,2,…,n）的隸屬度為rij，得出第i 個(gè)護(hù)理敏感性病人結(jié)局ui的單因素評(píng)價(jià)集ri＝（ri1,ri2,…,rin）。如對(duì)m例病人進(jìn)行護(hù)理綜合評(píng)價(jià)，用rij表示對(duì)第i 例病人第j指標(biāo)的評(píng)價(jià)結(jié)果，（i＝1,2,…,m；j＝1,2,…,5），以Ri表示對(duì)第i 位病人專業(yè)性照護(hù)的評(píng)價(jià)向量，構(gòu)建的單因素評(píng)價(jià)矩陣R 為：

2.1.3 單項(xiàng)護(hù)理方案模糊評(píng)價(jià) 通過(guò)已確定的權(quán)重和已構(gòu)建的單因素模糊評(píng)價(jià)判斷矩陣建立單項(xiàng)護(hù)理方案綜合評(píng)價(jià)決策集B＝（b1,b2,…,b5）。以*為普通矩陣乘法算子符號(hào)，單項(xiàng)護(hù)理方案的評(píng)價(jià)公式如下：

同理得出其他護(hù)理方案的評(píng)價(jià)結(jié)果。根據(jù)最大隸屬度原則，據(jù)此得出每項(xiàng)護(hù)理方案的總體評(píng)價(jià)。

2.1.4 護(hù)理方案集模糊綜合評(píng)價(jià) 護(hù)理綜合評(píng)價(jià)的目的不僅是對(duì)病人結(jié)局進(jìn)行綜合評(píng)價(jià)，更重要的是通過(guò)綜合評(píng)價(jià)最終選出專業(yè)性照護(hù)最優(yōu)方案。因此，需對(duì)護(hù)理方案集的評(píng)價(jià)結(jié)果Wp進(jìn)行綜合排序，選出最優(yōu)者。以b 表示單項(xiàng)護(hù)理方案綜合評(píng)價(jià)決策集B＝（b1,b2,…,b5）,m 表示區(qū)間等級(jí)，在對(duì)應(yīng)的指標(biāo)評(píng)價(jià)標(biāo)準(zhǔn)V（I 級(jí)表示很差，Ⅱ級(jí)表示較差，Ⅲ級(jí)表示一般；Ⅳ表示較好，Ⅴ級(jí)表示很好）中，Vk表示護(hù)理方案模糊綜合評(píng)價(jià)集，bpk表示單項(xiàng)護(hù)理方案對(duì)應(yīng)V 中等級(jí)Vk的隸屬度，Wp應(yīng)用如下公式計(jì)算：

2.2 反向傳播神經(jīng)網(wǎng)絡(luò)綜合評(píng)價(jià)

2.2.1 反向傳播神經(jīng)網(wǎng)絡(luò)模型學(xué)習(xí)算法 反向傳播模型是由輸入層、隱含層和輸出層3 個(gè)層次構(gòu)成的單向傳播的多層網(wǎng)絡(luò)，可有1 個(gè)或多個(gè)隱含層。本研究采用3 層反向傳播神經(jīng)網(wǎng)絡(luò)模型[23]。以x1,x2,…,xn為輸入層的輸入值，經(jīng)線性函數(shù)f(x)=X 轉(zhuǎn)換后，輸入層神經(jīng)元輸出為y1,y2,…,yc，計(jì)算隱含層神經(jīng)元與輸出層神經(jīng)元實(shí)際輸出值Oj和Yk，公式如下：

式中，Netj表示隱含層神經(jīng)元輸入值；j 為當(dāng)前輸入樣本，Wij為輸入層神經(jīng)元i 到隱含層神經(jīng)元j 的連接權(quán)值，θj為隱含層神經(jīng)元j 的閾值，隱含層神經(jīng)元的轉(zhuǎn)換函數(shù)為S 型函數(shù)（公式14），Oj為隱含神經(jīng)元j 的輸出值。Netk為輸出層的輸入值，Vkj為輸出神經(jīng)元k 與隱含神經(jīng)元j 之間的連接權(quán)值，δk為輸出神經(jīng)元k 的閾值。

輸出層神經(jīng)元的轉(zhuǎn)換函數(shù)為線性函數(shù)：f(x)=X，得到輸出層神經(jīng)元的輸出值為Yk=netk。

2.2.2 調(diào)整連接權(quán)值和神經(jīng)元閾值 反向傳播神經(jīng)網(wǎng)絡(luò)自學(xué)習(xí)方向修正，對(duì)于樣本模式p，實(shí)際輸出Yk與期望輸出bp的誤差函數(shù)Ep參照公式（17），s 個(gè)樣本總的誤差參照公式（18）。E≤ε（ε＝0.000 1），則參照公式（18）～公式（22），從輸出層開始進(jìn)行反方向權(quán)值系數(shù)和神經(jīng)元閾值調(diào)整。

式中，t 為調(diào)整次數(shù)，α 為權(quán)值調(diào)整參數(shù)，β 為偏置值調(diào)整參數(shù)，Opi為輸入神經(jīng)元i 的輸入值，Oj為隱含神經(jīng)元j 的輸出值，σp=(bp－Yk)Yk(1－Yk)，σpj=Oj(1－Oj）σpVkj。

2.3 基于反向傳播神經(jīng)網(wǎng)絡(luò)與模糊綜合評(píng)價(jià)集成的護(hù)理綜合評(píng)價(jià) 使用反向傳播神經(jīng)網(wǎng)絡(luò)前，以模糊評(píng)價(jià)集作為神經(jīng)網(wǎng)絡(luò)訓(xùn)練的樣本模式，輸入指標(biāo)隸屬度矩陣，期望輸出為模糊綜合評(píng)價(jià)結(jié)果，使反向傳播神經(jīng)網(wǎng)絡(luò)的權(quán)值系數(shù)值經(jīng)過(guò)自適應(yīng)學(xué)習(xí)后得到正確的內(nèi)部表示，網(wǎng)絡(luò)的所有實(shí)際輸出與理想輸出一致，形成基于反向傳播神經(jīng)網(wǎng)絡(luò)與模糊綜合評(píng)價(jià)集成的護(hù)理綜合評(píng)價(jià)決策模型（改編自張煒[27]研究)，見圖1。

圖1 基于反向傳播神經(jīng)網(wǎng)絡(luò)與模糊綜合評(píng)價(jià)集成的護(hù)理綜合評(píng)價(jià)決策流程圖

2.4 智能化護(hù)理綜合評(píng)價(jià)決策支持系統(tǒng)的設(shè)計(jì)

2.4.1 系統(tǒng)結(jié)構(gòu)設(shè)計(jì) 本研究參照Bonczek 型決策支持系統(tǒng)框架結(jié)構(gòu)[28]，以問(wèn)題處理系統(tǒng)為決策支持系統(tǒng)核心部分，構(gòu)建智能化護(hù)理綜合評(píng)價(jià)決策支持系統(tǒng)。系統(tǒng)框架結(jié)構(gòu)由人機(jī)接口、問(wèn)題處理系統(tǒng)、護(hù)理綜合評(píng)價(jià)決策指標(biāo)體系管理子系統(tǒng)、綜合評(píng)價(jià)子系統(tǒng)、評(píng)價(jià)結(jié)果輸出子系統(tǒng)、神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)子系統(tǒng)與護(hù)理方案集模擬子系統(tǒng)組成。其中，護(hù)理綜合評(píng)價(jià)決策指標(biāo)體系管理子系統(tǒng)由指標(biāo)體系構(gòu)建模塊、指標(biāo)提取模塊、信息查詢模塊及數(shù)據(jù)庫(kù)模塊組成；綜合評(píng)價(jià)子系統(tǒng)由護(hù)理方案評(píng)價(jià)求解模塊的推理機(jī)、評(píng)價(jià)結(jié)果分析模塊、綜合調(diào)度管理模塊的知識(shí)庫(kù)、模型庫(kù)、樣本庫(kù)、方法庫(kù)及評(píng)價(jià)結(jié)果數(shù)據(jù)庫(kù)組成。智能化護(hù)理綜合評(píng)價(jià)決策支持系統(tǒng)框架結(jié)構(gòu)（改編自王宗軍[25]研究)見圖2。

圖2 智能化護(hù)理綜合評(píng)價(jià)決策支持系統(tǒng)框架結(jié)構(gòu)

2.4.2 系統(tǒng)功能分析

2.4.2.1 人機(jī)接口 人機(jī)接口是智能決策支持系統(tǒng)與用戶進(jìn)行人機(jī)交互的窗口，用戶按系統(tǒng)可接受的方式將問(wèn)題相關(guān)信息輸入至問(wèn)題處理系統(tǒng)，系統(tǒng)按照用戶既定要求輸出相應(yīng)評(píng)價(jià)結(jié)果，通過(guò)菜單驅(qū)動(dòng)，用戶可直接進(jìn)入所需功能模塊。

2.4.2.2 問(wèn)題處理系統(tǒng) 問(wèn)題處理系統(tǒng)中問(wèn)題求解和分析過(guò)程如下：①根據(jù)決策者所要解決的護(hù)理問(wèn)題，建立面向此護(hù)理問(wèn)題的護(hù)理方案（護(hù)理評(píng)估→診斷→措施→敏感性結(jié)局）模塊序列；②組成護(hù)理方案各模塊內(nèi)部結(jié)構(gòu)，即護(hù)理評(píng)估→診斷→措施→目標(biāo)相應(yīng)的數(shù)據(jù)模塊和匹配文件，建立相應(yīng)的規(guī)則連接并運(yùn)行；③對(duì)得到的基于護(hù)理問(wèn)題的護(hù)理方案進(jìn)行綜合評(píng)價(jià)分析和排序。

2.4.2.3 護(hù)理綜合評(píng)價(jià)決策指標(biāo)體系管理子系統(tǒng) 護(hù)理綜合評(píng)價(jià)決策指標(biāo)體系管理子系統(tǒng)主要對(duì)系統(tǒng)運(yùn)行所需的指標(biāo)體系、指標(biāo)原始數(shù)據(jù)、指標(biāo)生成數(shù)據(jù)等進(jìn)行管理。①指標(biāo)體系構(gòu)建模塊：用于對(duì)不同病人/護(hù)理方案的指標(biāo)體系結(jié)構(gòu)進(jìn)行構(gòu)建或修改。②指標(biāo)提取模塊：用于提取或生成病人/護(hù)理方案中與指定護(hù)理敏感性病人結(jié)局對(duì)應(yīng)的指標(biāo)屬性值。③信息查詢模塊：對(duì)指定對(duì)象的信息進(jìn)行索引查詢，并顯示查詢結(jié)果。④數(shù)據(jù)庫(kù)模塊：通過(guò)數(shù)據(jù)庫(kù)系統(tǒng)動(dòng)態(tài)管理和存儲(chǔ)有關(guān)評(píng)價(jià)對(duì)象的原始及已形成的指標(biāo)數(shù)據(jù)結(jié)果和文件。系統(tǒng)隨著問(wèn)題的不同不斷變化，如庫(kù)內(nèi)沒有所需數(shù)據(jù)，系統(tǒng)則會(huì)通過(guò)人機(jī)接口部件和自動(dòng)推理機(jī)向用戶索要相應(yīng)數(shù)據(jù)或信息資料。

2.4.2.4 綜合評(píng)價(jià)子系統(tǒng) 綜合評(píng)價(jià)子系統(tǒng)通過(guò)對(duì)基于模糊綜合評(píng)價(jià)和反向傳播神經(jīng)網(wǎng)絡(luò)綜合集成的護(hù)理綜合評(píng)價(jià)決策模型進(jìn)行調(diào)度，完成對(duì)指定護(hù)理方案的綜合評(píng)價(jià)。①護(hù)理方案評(píng)價(jià)求解模塊：負(fù)責(zé)對(duì)模糊綜合評(píng)價(jià)和反向傳播神經(jīng)網(wǎng)絡(luò)模型進(jìn)行調(diào)度。②評(píng)價(jià)結(jié)果分析模塊：引導(dǎo)用戶正確分析專業(yè)性照護(hù)綜合評(píng)價(jià)結(jié)果。③知識(shí)庫(kù)：知識(shí)管理部分主要是管理有關(guān)護(hù)理評(píng)估、護(hù)理診斷、護(hù)理措施及活動(dòng)領(lǐng)域的專業(yè)知識(shí)，包括知識(shí)的獲取、表達(dá)、管理等功能。本研究知識(shí)庫(kù)由護(hù)理評(píng)估項(xiàng)庫(kù)、護(hù)理問(wèn)題庫(kù)、護(hù)理措施庫(kù)、護(hù)理活動(dòng)庫(kù)構(gòu)成。④模型庫(kù)：針對(duì)用戶提出的問(wèn)題，調(diào)出庫(kù)內(nèi)的綜合評(píng)價(jià)模型，匹配基于問(wèn)題的求解。模型庫(kù)具有動(dòng)態(tài)構(gòu)造、修改、應(yīng)用和儲(chǔ)存庫(kù)內(nèi)綜合評(píng)價(jià)模型的功能。⑤方法庫(kù)：儲(chǔ)存對(duì)評(píng)價(jià)指標(biāo)進(jìn)行權(quán)重賦值、量化隸屬函數(shù)標(biāo)準(zhǔn)方法和程序，支持綜合評(píng)價(jià)系統(tǒng)調(diào)度。⑥樣本庫(kù)：用于提取、維護(hù)、存儲(chǔ)及管理反向傳播神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)與訓(xùn)練所需的樣本模式。⑦推理機(jī)：基于知識(shí)庫(kù)識(shí)別并解答專家評(píng)價(jià)形成樣本模式的問(wèn)題。⑧評(píng)價(jià)結(jié)果數(shù)據(jù)庫(kù)：存儲(chǔ)系統(tǒng)運(yùn)行時(shí)產(chǎn)生的評(píng)價(jià)、分析結(jié)果相關(guān)數(shù)據(jù)和文件。

2.4.2.5 神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)子系統(tǒng) 神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)子系統(tǒng)可以通過(guò)樣本模式“學(xué)習(xí)訓(xùn)練”。

2.4.2.6 護(hù)理方案集模擬子系統(tǒng) 護(hù)理方案集模擬子系統(tǒng)是基于病人/護(hù)理方案，通過(guò)結(jié)局指標(biāo)變量到病人結(jié)局的非線性映射，測(cè)定評(píng)價(jià)指標(biāo)改變對(duì)護(hù)理方案綜合評(píng)價(jià)結(jié)果的影響，為實(shí)施高級(jí)護(hù)理程序提供決策支持。

3 系統(tǒng)構(gòu)建的意義

3.1 構(gòu)建智能化護(hù)理決策支持系統(tǒng)可以提高護(hù)理質(zhì)量 評(píng)價(jià)是決策的前提[22]，正確的護(hù)理決策源于科學(xué)的護(hù)理評(píng)價(jià)。護(hù)理評(píng)價(jià)問(wèn)題的求解是在護(hù)理評(píng)估、診斷、措施、敏感性結(jié)局四維空間中進(jìn)行的，包含大量定性與定量因素及多層次、多目標(biāo)的復(fù)雜系統(tǒng)過(guò)程[29]。目前，臨床護(hù)理評(píng)價(jià)（護(hù)理評(píng)估→診斷→措施→敏感性結(jié)局）主要采取經(jīng)驗(yàn)式人工評(píng)價(jià)的方式，很難滿足復(fù)雜系統(tǒng)綜合評(píng)價(jià)要求，且具有較大主觀性。此外，不同護(hù)理人員專業(yè)核心能力差異、評(píng)價(jià)指標(biāo)及評(píng)價(jià)標(biāo)準(zhǔn)不統(tǒng)一，往往導(dǎo)致過(guò)度護(hù)理或護(hù)理不足。因此，本研究以實(shí)際需求為立足點(diǎn)，在系統(tǒng)文獻(xiàn)分析、決策支持理論指導(dǎo)及綜合評(píng)價(jià)理論深入研究的基礎(chǔ)上，創(chuàng)新性地將模糊綜合評(píng)價(jià)模型及反向傳播神經(jīng)網(wǎng)絡(luò)模型組合引入護(hù)理綜合評(píng)價(jià)決策過(guò)程，并通過(guò)運(yùn)用先進(jìn)的計(jì)算機(jī)信息處理技術(shù)構(gòu)建對(duì)護(hù)理綜合評(píng)價(jià)決策全過(guò)程進(jìn)行支持的智能系統(tǒng)，具有一定的理論和現(xiàn)實(shí)意義。

多項(xiàng)研究證明了構(gòu)建臨床決策支持系統(tǒng)的重要性[30]。但臨床決策支持系統(tǒng)不會(huì)取代護(hù)士的批判性思維。系統(tǒng)根據(jù)護(hù)士輸入的病人數(shù)據(jù)和信息提供建議，護(hù)士選擇接受或拒絕系統(tǒng)建議。通過(guò)“詢問(wèn)”，確認(rèn)系統(tǒng)建議的評(píng)估、護(hù)理診斷及最佳干預(yù)措施，可以促進(jìn)護(hù)士評(píng)判性思維[31]。同時(shí)，臨床決策支持系統(tǒng)可以增加護(hù)士實(shí)施基于循證的高級(jí)護(hù)理程序（護(hù)理評(píng)估→診斷→個(gè)體化干預(yù)→結(jié)果指標(biāo)）的依從性[6]。已有研究表明，高級(jí)護(hù)理程序有利于提高護(hù)士護(hù)理診斷、個(gè)體化干預(yù)的準(zhǔn)確性，進(jìn)而改善病人預(yù)后[32]。

3.2 構(gòu)建智能化護(hù)理決策支持系統(tǒng)可以為大數(shù)據(jù)研究提供機(jī)遇 大數(shù)據(jù)研究表明，數(shù)據(jù)交互是未來(lái)進(jìn)行薈萃比較分析的關(guān)鍵。Dagliati[33]基于電子病歷及醫(yī)院信息系統(tǒng)對(duì)2 型糖尿病病人進(jìn)行縱向研究，通過(guò)異構(gòu)系統(tǒng)間數(shù)據(jù)集成、挖掘技術(shù)，構(gòu)建2 型糖尿病風(fēng)險(xiǎn)預(yù)測(cè)模型用于并發(fā)癥及代謝控制管理，該研究將2 型糖尿病風(fēng)險(xiǎn)預(yù)測(cè)模型引入臨床決策支持系統(tǒng)，系統(tǒng)針對(duì)醫(yī)護(hù)人員的特定需求，提出了2 種解決方案，為個(gè)性化治療與護(hù)理提供了決策支持。如何將智能護(hù)理決策支持系統(tǒng)與異構(gòu)系統(tǒng)數(shù)據(jù)采集、整合及處理相結(jié)合，實(shí)施精準(zhǔn)護(hù)理評(píng)估、診斷、干預(yù)，改善病人結(jié)局將成為未來(lái)的研究方向[34-35]。

3.3 構(gòu)建智能化護(hù)理決策支持系統(tǒng)可以指引電子病歷發(fā)展 基于標(biāo)準(zhǔn)化護(hù)理語(yǔ)言的智能護(hù)理決策支持系統(tǒng)的應(yīng)用促進(jìn)了電子病歷的發(fā)展，有利于實(shí)現(xiàn)病人數(shù)據(jù)信息共享，保障連續(xù)性、個(gè)性化的護(hù)理質(zhì)量。護(hù)理程序-臨床決策支持系統(tǒng)對(duì)于可操作的系統(tǒng)數(shù)據(jù)、信息及大數(shù)據(jù)研究的集成整合至關(guān)重要。電子病歷護(hù)理決策支持系統(tǒng)國(guó)際標(biāo)準(zhǔn)建議在電子病歷中進(jìn)行高級(jí)護(hù)理程序－臨床決策支持系統(tǒng)測(cè)試和應(yīng)用[6]。

4 小結(jié)

護(hù)理評(píng)價(jià)決策問(wèn)題的求解（護(hù)理評(píng)估→診斷→干預(yù)→評(píng)價(jià)）是一個(gè)涉及多因素、多指標(biāo)、多層次的復(fù)雜系統(tǒng)過(guò)程。本研究深入分析了模糊綜合評(píng)價(jià)及反向傳播神經(jīng)網(wǎng)絡(luò)綜合評(píng)價(jià)原理，基于標(biāo)準(zhǔn)化護(hù)理語(yǔ)言的護(hù)理結(jié)局分類，構(gòu)建了基于反向傳播神經(jīng)網(wǎng)絡(luò)與模糊綜合評(píng)價(jià)集成的護(hù)理綜合評(píng)價(jià)決策模型。在該模型基礎(chǔ)上，運(yùn)用決策支持理論，參照Bonczek 型決策支持系統(tǒng)框架結(jié)構(gòu)，以問(wèn)題處理系統(tǒng)為核心，研究設(shè)計(jì)了集專家系統(tǒng)、數(shù)據(jù)、模型、知識(shí)及方法于一體的智能化護(hù)理綜合評(píng)價(jià)決策支持系統(tǒng)。智能化護(hù)理決策支持系統(tǒng)在我國(guó)護(hù)理信息領(lǐng)域尚處于起步階段，本研究也僅進(jìn)行了初步探索，今后將進(jìn)一步深入研究，系列報(bào)告系統(tǒng)實(shí)現(xiàn)、應(yīng)用、改進(jìn)成果。