用于医院感染管理的模糊决策支持系统：一种用于预防与控制的循环 q-ROF CRADIS 方法

为什么医院病菌如此难以控制

每次进入医院时，我们都期望那里是治愈之所，而不是新的感染来源。然而，院内获得性感染仍然影响着全球数百万患者，使住院时间延长、成本上升，并在某些情况下危及生命。决定应资助和实施哪些预防措施——更好的手卫生、新型清洁设备、抗生素使用规则、额外的员工培训——远非简单。本文提出了一种新的决策支持工具，帮助医院在混乱且不确定的专家意见中理清思路，从而确定在现实环境中哪些感染控制策略最有成效。

当明确数字不足以说明问题时

医院管理者常依赖检查表、评分卡或统计报告来评估感染风险。这些工具假设数据是完整且精确的，并且不同因素——例如成本、安全性与员工工作量——可以以直接的方式组合在一起。现实中，专家意见存在分歧、证据不完整，且随着疫情与耐药模式的变化，优先级会发生转变。传统决策方法难以应对这种模糊性。它们可能强制给出简单的“是或否”答案，而专家实际上感到“有一定信心但仍犹豫”，或者忽视随新一轮疾病波动而变化的循环性意见。

一种捕捉怀疑与分歧的新方法

为了解决这一问题，作者基于一种称为模糊逻辑的数学分支展开，这一分支旨在建模灰色地带，而非非黑即白的选择。标准模糊工具允许专家表示某个选项既部分可接受又部分不可接受。新的框架更进一步，将接受、拒绝与犹豫同时表示，并以循环结构排列，自然反映出来回、循环的判断过程。该结构——称为循环 q‑阶正交对模糊模型（circular q-rung orthopair fuzzy model）——能比早期的模糊方法更好地处理极端不确定性和强烈分歧，同时不将分析变成不透明的“黑箱”。

将杂乱的意见转化为可操作的排序

框架的第二个要素是一种称为 CRADIS 的排序方法，它将每一项感染控制策略与想象中的“理想”策略和最差的“反理想”策略进行比较。在本研究中，作者重新设计了 CRADIS，使其能在新的循环模糊环境中运行。专家们根据六个目标对若干常见医院措施进行评估——例如严格的手卫生规范、改进的环境清洁、抗生素管理项目、先进的消毒技术和员工培训——这六个目标为：减少感染、保护患者、准确实施措施、确保长期可持续性、适应变化条件和处理任务复杂性。系统汇总所有专家观点，衡量每个选项距离理想的接近程度和距离反理想的远近，然后产生总体排序。

模型在实践中偏好的策略

在一个包含三位感染控制专家与五种竞争策略的案例研究中，该工具将严格的手卫生和抗微生物管理作为优先事项。废物分类与灭菌系统也表现良好，而高科技消毒设备和单靠常规培训在所选的标准与约束下排名较靠后。重要的是，该框架不仅仅给出一份单一的清单：它让作者能够测试如果专家权重或假设发生变化，排序会如何改变。排序结果显示出稳定性，尤其是对于一致认可的措施（如手卫生）稳定性更高；对于更复杂、资源密集的选项敏感性仅为中等，表明结果更趋稳健而非脆弱。

这对患者与医院为何重要

对非专业人士来说，核心信息是“最佳”感染控制策略很少是显而易见的，即便对专家也是如此，因为必须在效果、安全、成本、员工投入与未来风险之间，在深度不确定性下权衡。本研究为医院提供了一种结构化方法来捕捉专家的怀疑而非掩盖它、公平地比较选项，并检视其选择对不同意见的敏感性。通过这样做，该框架帮助决策者将经验证的预防性措施（如手卫生与谨慎的抗生素使用）置于优先，同时兼顾本地实际情况。尽管数学上较为复杂，其目的很简单：将关于医院病菌的人类判断从混乱中提炼为更清晰、更可辩护的决策，以保护患者。

引用: Li, M., Wang, R., Wang, M. et al. Fuzzy decision support systems for hospital infection management: a circular q-ROF CRADIS method to prevention and control. Sci Rep 16, 12154 (2026). https://doi.org/10.1038/s41598-026-40658-5

关键词: 医院感染控制, 决策支持, 模糊逻辑, 多标准排序, 抗微生物管理