基于贝叶斯网络与蒙特卡洛模拟的院内感染传播风险预测算法OA

由于研究医院患者本身具有高度异质性,以及外部干预措施的时空波动性,院内感染传播呈现非线性和随机性的特征,增加了风险预测的难度,为此,提出了基于贝叶斯网络与蒙特卡洛模拟的院内感染传播风险预测算法。从患者、医疗操作、环境和管理4个维度筛选影响院内感染传播风险的因素,并将分类变量转换为连续变量以统一变量维度。同时引入客观赋权法求取单因素权重,并整合主观权重获取影响因素的综合权重,对影响因素的重要程度进行排序。采用贝叶斯网络通过计算高权重影响因子的联合概率分布和最大似然估计,构建感染传播风险预测模型。利用蒙特卡洛模拟算法对模型中的不确定性变量进行随机抽样,生成模拟场景,根据统计模拟结果计算感染传播风险概率,确定风险情况。实验结果表明,应用所提方法进行院内感染传播风险预测,预测结果的特异度高于90%,减少了误报,预测准确性更高。