復旦大學附屬兒科醫院原院內感染監測系統于2011年上線并使用有8年多時間。隨著醫院臨床信息化建設的深入和醫院業務的發展，醫院的業務環境已經發生了很大的變化，原有院感監測系統與HIS、LIS、PACS數據對接及維護不及時，同時由于院感質控要求越來越高，對重點人群及重點環節的監控要求也逐漸提高，原有系統在數據抓取、分析上無法滿足散發醫院感染病例分布監測以及暴發預警的要求，同時開發維護成本較高，因此在2019年對原有院內感染監測系統進行更換。

更換后的醫院感染實時監控平臺，包括聚合四大專家知識庫、可提供三級預警、可進行隔離監測、及時干預、統計分析和感控閉環六大功能。

在聚合四大專家知識庫中，風險預警知識庫匯聚多名感控專家意見制定的專家知識庫，針對兒童感染風險因素，進行全方位的監測，并隨著時間推移進行更多的風險分析識別的判斷；兒童感染性疾病判別知識庫基于《感染診斷標準 2001版》，結合兒童感染的特殊性，獨創的一種基于多模型融合的兒童感染智能診斷方法，大大提高醫院感染判別的準確率；暴發預警知識庫結合多維度重點關注內容的疑似暴發判別專家知識庫，可對知識庫的靈敏度進行合理調整及設定；多重耐藥菌判別知識庫依據《醫療機構耐藥菌MDR、XDR、PDR的國際標準化定義專家建議(草案) 》能夠準確的對檢出菌進行多耐情況判斷、識別并預警。

在三級預警功能中，風險監測，實現了真正的關口前移，既可實現多種風險監測類型，也可進行日新發感染率圖表可視化監測；感染預警分為可精準預警到疾病，并計算顯示預警權重，多維度預警，預警來源信息包括檢驗、體溫、病歷、影像等，展示患者相關風險因素和疾病診斷信息，輔助工作人員更準確的做好病例篩查，利用自然語言處理技術，將文本信息結構化、標準化。提取病程信息里的感染相關信息，后臺配置感染指標（感染關鍵詞、檢驗項目結果等），和指標權重值。采用閾值預警的算法進行感染預警。暴發預警的預警依據既可根據患者的全局指標和局部指標癥狀，也可根據相關病原體的檢出結果。在預警維度上，可分為相關科室和不同科室；根據暴發的嚴重度從高到低分別為A、B、C三個級別，即判斷疑似暴發的來源追溯、直觀展示當前病房的患者風險分布情況、每個危險因素都可懸停鉆取至源數據。

在隔離監測功能中，保護性隔離監測可針對體重小于1KG、免疫缺陷疾病、造血干細胞移植、粒細胞缺乏等免疫力低下極易感染的病人；自定義特指耐藥菌，顯示患者、檢出菌等全面相關信息，數據可穿透。提供措施執行評估表；自動判斷病毒疑似院感、社感、定植、疑似院感重復、社感重復。自動獲取隔離情況，未進行隔離的自動提醒；還可根據兒童感染性疾病診斷模型，進行傳染病隔離監測。

在及時干預功能中，將暴發預警、感染預警、檢出特指耐藥菌未開隔離遺囑、檢出病毒未開隔離遺囑、傳染病診斷等進行數據脫敏后再通過企業微信發送給臨床。

在統計分析功能中，醫院感染管理質量十三項指標、醫院感染監測64項指標、同時對自定義報表進行統計分析。

據復旦大學附屬兒科醫院工作人員介紹，該系統通過數據訪問中間件技術，采集HIS、LIS、RIS、EMR等系統中感染相關信息，建立動態的感染信息數據庫，實現對病人從入院到出院全過程的在線監測速完成各個科室的醫療文檔的建立、數據采集，并能以結構化方式存儲于數據庫中。通過嵌入專業篩查策略，從數據庫中挖掘有效信息并進一步分析，實現疑似感染病例智能化篩查，并進行個案預警，方便感染管理專職人員和臨床醫生確認；通過建立病區預警機制，實現早期發現醫院感染暴發隱患。（復旦大學附屬兒科醫院供稿 案例號：293104229）