基于关联规则的Apriori算法在呼吸机相关性肺炎中的应用

摘要

目的:基于国家护理质量数据平台上报呼吸机相关性肺炎相关数据,运用Apriori算法对呼吸机相关性肺炎(VAP)发生的相关因素进行海量数据挖掘,探索VAP发生潜在变量间的关联性。为制定院内呼吸机相关性肺炎预防措施提供参考。方法:回顾性整理136例呼吸机相关性肺炎发生事件的数据资料,采用Apriori算法进行数据挖掘并进行关联规则评定。结果:通过条件设定,共筛选出1900条规则,结合专科知识选出具有临床指导意义的关联规则52条,其中规则1~5条揭示了经人工气道通气时长>5 d的相关因素,规则6~14条揭示了开放式吸痰的相关因素,规则15~30条揭示了男性病人的相关因素,规则31~37条揭示了外科病人的相关因素,规则38~46条揭示了使用抑酸剂的相关因素,规则47~52条揭示了留置胃管的相关因素。结论:在护理工作中应关注病人发生VAP潜在变量间的关联性,重点识别合并多项危险因素的高危病人,给予个性化、积极的护理预防方案,防范病人呼吸机相关性肺炎的发生,以降低呼吸机相关性肺炎的发生率。