近8年历史的感染情况分析

医疗疾病感染数据分析——以手术感染为例_可视化 开源工具  线性
注:数据虚拟,仅以方法

看到近8年,对疾病感染有初步了解,进一步查看今年的情况。由于疾病有季度感染的特性,查看一年的季度,可能没有什么效果,因此选择近2年的情况进行分析。

近2年季度情况分析

医疗疾病感染数据分析——以手术感染为例_可视化 开源工具  线性_02
注:数据虚拟,仅以方法

通过对季度的感染情况分析,能够看出本年的季度感染特性并不是十分明确。因此细化到各月分,查看哪一个月份的感染人数增加了,是哪一个月即将影响医院整体的效能上报。

各月手术的感染情况分析

医疗疾病感染数据分析——以手术感染为例_可视化 开源工具  线性_03
注:数据虚拟,仅以方法

通过对月份的感染人数进行分析,得出的是5月份的感染人数最多,飞、但是感染率最大的月份是12月份。因此落实到各个科室,查看对应月的各个科室的感染情况。

各科室的感染情况分析

医疗疾病感染数据分析——以手术感染为例_可视化 开源工具  线性_04
注:数据虚拟,仅以方法
通过对对应月份的科室情况进行分析,能够看出医院的感染情况主要是脑科感染的情况最为严重。因此需要对脑科这个科室进行重点分析。查看脑科室的感染类型都是什么,进一步了解感染的现状,进行提前预防。

本月感染情况分析

医疗疾病感染数据分析——以手术感染为例_可视化 开源工具  线性_05
注:数据虚拟,仅以方法

可以看出本月中的科室的感染情况是病毒性感染的最为严重。可以看出本月的感染类型最多的是集中体现在病毒性感染。进一步查看病毒性感染主要集中的部位是发生在人体的那个部位,进一步进行预防。

不同部位的感染情况

医疗疾病感染数据分析——以手术感染为例_可视化 开源工具  线性_06
注:数据虚拟,仅以方法

通过对不同的部位进行分析,可以看出病人病毒感染主要是集中在手部感染化脓的感染例数居多,因此进一步调出感染病人在做手术之前的血液浓度进行检查,

不同血液浓度的感染情况

医疗疾病感染数据分析——以手术感染为例_可视化 开源工具  线性_07
通过对不同的血液浓度的病人的情况进行分析。发现病人的血液浓度在0.456mg/dl的时候的感染例数最少,因此需要对历史的血液浓度和感染例数的发病情况进行分析。

不同血常规的感染情况

医疗疾病感染数据分析——以手术感染为例_可视化 开源工具  线性_08
通过对不同的血液浓度的病人的情况进行分析。发现病人的血液浓度在0.456mg/dl的时候的感染例数最少,因此需要对历史的血液浓度和感染例数的发病情况进行分析。

不同手术时间和感染情况

医疗疾病感染数据分析——以手术感染为例_可视化 开源工具  线性_09
对术中的时长进行分析。发现手术在5到8小时的感染几率增加,可能是较长的手术,会进行更换医生,从而减低了手术的风险。

年龄段与感染情况

医疗疾病感染数据分析——以手术感染为例_可视化 开源工具  线性_10
对年龄段的感染情况进行分析,发现年龄段在50到60岁感染几率增加。

术后时长与感染情况

医疗疾病感染数据分析——以手术感染为例_可视化 开源工具  线性_11
对手术后的感染情况进行检测,发现的是手术的时间在12到24小时后的感染例数增加。因此,在该时间段内的感染最有可能滋生,需要引起进一步的关注和防护。

术后住院日情况和感染例数

医疗疾病感染数据分析——以手术感染为例_可视化 开源工具  线性_12

对手术后的住院日进行分析,发现手术进行1到3天的感染几率最大,随着时间的推移,病人的病情可能即将稳定,在15天后病人的感染几率可能就减少。

医学知识不足,卫生信息化流程不太熟悉,仅从数据思维角度出发,避免卫生信息数据的缺少,先以Excel进行构思,形成方案,在一定程度上可以反馈一些问题本质,将医院的问题,或者临床的问题进行反馈,从数据角度进行展示。希望结识医学朋友,微信:tan1525859926