劉陽

【摘要】 ? ?目的：大數(shù)據(jù)分析觀察普外手術(shù)后切口感染的相關(guān)因素以及預(yù)防措施。方法：大數(shù)據(jù)調(diào)取我院收治的普外科手術(shù)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(shù)，108例患者出現(xiàn)感染情況，將對這些患者的手術(shù)切口感染因素進(jìn)行研究與調(diào)查，討論預(yù)防措施。結(jié)果：經(jīng)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(shù)時間≥2h、住院時間≥7d以及切口類型均為導(dǎo)致患者出現(xiàn)切口感染的相關(guān)因素。結(jié)論：為了減少感染情況，需要做好術(shù)后清創(chuàng)引流，對老年患者加強(qiáng)照顧，并且對切口長度較大的患者精心照顧，以達(dá)到減少感染發(fā)生的目的。

【關(guān)鍵詞】 ? ?大數(shù)據(jù)信息 ? ?切口感染 ? ?普外手術(shù) ? ?因素與預(yù)防

大數(shù)據(jù)技術(shù)幾乎應(yīng)用于電信、金融、教育、醫(yī)療、軍事、電子商務(wù)乃至政府決策等各個領(lǐng)域[1]。大數(shù)據(jù)是指具有五大特點(diǎn)，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(shí)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(jī)器學(xué)習(xí)、深度學(xué)習(xí)，是大數(shù)據(jù)的潛規(guī)則和潛在價值的一種方法。在實(shí)施數(shù)據(jù)分析時主要包括數(shù)據(jù)預(yù)處理、數(shù)據(jù)標(biāo)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(jìn)一步反饋優(yōu)化模型等過程，大數(shù)據(jù)技術(shù)在醫(yī)療領(lǐng)域的項(xiàng)目管理逐漸引起人們的關(guān)注[4-6]。臨床中手術(shù)切口感染是非常常見的，在醫(yī)院的感染防控工作中，手術(shù)切口感染預(yù)防是非常重要的，感染情況不僅會影響到手術(shù)的治療有效性以及病患的預(yù)后情況，而且還可能導(dǎo)致患者出現(xiàn)并發(fā)癥，嚴(yán)重將會導(dǎo)致患者死亡，造成醫(yī)患糾紛[7-8]。隨著醫(yī)學(xué)技術(shù)的不斷進(jìn)步，醫(yī)護(hù)人員更需要重視切口感染情況的預(yù)防，了解切口感染的因素，通過科學(xué)有效的醫(yī)療治療以及多手段的預(yù)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(shù)后切口感染相關(guān)因素及預(yù)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(diào)取我院2018年2月至2020年2月收治的1090例接受普外手術(shù)的患者進(jìn)行研究，其中共有108例普外手術(shù)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(guān)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(yīng)用于醫(yī)學(xué)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(yuǎn)程監(jiān)測數(shù)據(jù)，對結(jié)果、疾病診斷模型的準(zhǔn)確性、診斷的準(zhǔn)確性、診斷的準(zhǔn)確性等進(jìn)行實(shí)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(yù)后預(yù)測模型具有較高的實(shí)用價值[10-12]。本次研究將采用大數(shù)據(jù)信息調(diào)取的方法進(jìn)行開展，對患者的電子病歷進(jìn)行調(diào)取，對患者的基本信息進(jìn)行調(diào)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(jìn)行觀察，包括手術(shù)類型，手術(shù)時間以及抗生素的使用情況，對數(shù)據(jù)進(jìn)行分析與觀察。

1.3切口感染診斷標(biāo)準(zhǔn)

如果經(jīng)過觀察發(fā)現(xiàn)患者的手術(shù)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(shù)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(jìn)行深部引流以及穿刺引流時發(fā)現(xiàn)有膿性物質(zhì)，并且對患者的病原菌培養(yǎng)之后標(biāo)準(zhǔn)符合切口感染的診斷標(biāo)準(zhǔn)，則表示患者為切口感染。

1.4統(tǒng)計(jì)學(xué)方法

為了確定兩組差異，本次研究將采用SPSS 26.0統(tǒng)計(jì)學(xué)軟件來對兩組的數(shù)據(jù)情況進(jìn)行分析，變量通過t來進(jìn)行檢驗(yàn)，數(shù)據(jù)通過X?校驗(yàn)，計(jì)數(shù)資料采用百分比表示，計(jì)量數(shù)據(jù)采用t標(biāo)準(zhǔn)差表示，對兩組數(shù)據(jù)進(jìn)行對比，最終得出P 〈 0.05時則表示具有統(tǒng)計(jì)學(xué)意義。

二、結(jié)果

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

三、討論

大數(shù)據(jù)分析的應(yīng)用將迅速而廣泛地出現(xiàn)在整個醫(yī)療機(jī)構(gòu)和醫(yī)療行業(yè)。本文所描述的數(shù)據(jù)檢索和統(tǒng)計(jì)分析表明，大數(shù)據(jù)應(yīng)用需要一系列專業(yè)技能，為保證臨床數(shù)據(jù)分析的準(zhǔn)確，需要多種運(yùn)算方法，包括：復(fù)雜數(shù)據(jù)的處理、集成、分析，并能幫助醫(yī)務(wù)工作者充分了解數(shù)據(jù)分析的結(jié)果。為此，需要醫(yī)學(xué)和其他專業(yè)技能的合作[13-16]。

手術(shù)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(shù)術(shù)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(shù)的效果，而且還會對患者的預(yù)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(shù)切口感染的情況較多，在治療過程中需要對多個方面進(jìn)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(shù)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(shù)后為患者做好引流、清創(chuàng)、清潔工作。此外，在手術(shù)過程中還需要減短手術(shù)時間與住院時間，給予患者微創(chuàng)手術(shù)進(jìn)行治療，真正落實(shí)治療效果的提升，減少感染情況的發(fā)生，為患者準(zhǔn)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(lǐng)域，需要進(jìn)一步提高原始數(shù)據(jù)的質(zhì)量和數(shù)量，在驗(yàn)證臨床大數(shù)據(jù)的準(zhǔn)確性和模型的有效性方法中可以開展更多的前瞻性隊(duì)列研究，在這個進(jìn)程中需要廣大科學(xué)家和醫(yī)學(xué)研究人員的密切合作，將會有益于更多更高質(zhì)量的醫(yī)學(xué)，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(shù)后需要對手術(shù)切口進(jìn)行清理，并且加強(qiáng)對切口長度較長，年齡較大患者的監(jiān)護(hù)，必要時給予患者抗生素，加強(qiáng)護(hù)理真正減少感染情況的發(fā)生。

參 ?考 ?文 ?獻(xiàn)

[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(shù)切口感染相關(guān)因素及預(yù)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(yīng)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(yīng)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(guān)鍵技術(shù)研究[J].網(wǎng)絡(luò)空間安全，2017，8（12）： 25-28.