基于SHEL模型的核查表在ICU多重耐药菌感染防控中的应用

目的评价SHEL模型核查表应用于重症监护病房(ICU)重症患者中以防控多重耐药菌(MRDO)感染的应用效果。方法选取2023年3-6月本院ICU收治的229例重症患者作为对照组,其中入科时已感染MDRO 11例,未感染MDRO 218例。另选取2023年7-10月本院ICU收治的通过自制SHEL核查表核查的244例重症患者作为观察组,其中入科时已感染MDRO 9例,未感染MDRO 235例。以SHEL模型为指导,通过专家函询,根据ICU患者住院期间存在的MRDO感染潜在风险制订防范核查表,采用跟班督查、现场抽查、情景演练等方式逐条进行整改,评价整改前4个月(2023年3-6月)和整改后4个月(2023年7-10月)护士MRDO感染预防措施执行率、患者MRDO感染率。结果2023年3-10月入科无MDRO感染的患者453例,核查表运用前(2023年3-6月)无MDRO感染218例,核查表运用后(2023年7-12月)无MDRO感染患者为235例,核查表运用后比核查表运用前MDRO感染率明显降低,差异有统计学意义(P<0.05)。对照组共有66例MDRO感染患者,有效执行MDRO医院感染核心防控措施有57例次,执行率为86.36%;观察组共有32例MDRO感染患者,均完成核心防控措施的执行,执行率为100.00%。观察组比对照组执行率提升了13.64%,差异有统计学意义(P<0.05)。SHEL模型分析对照组66例MDRO感染患者和观察组32例MDRO感染患者每个维度的MDRO感染集束化防控措施执行率,结果显示,观察组每个维度条目的执行率与对照组比较均升高,且两组执行例数比较,差异有统计学意义(P<0.05)。结论以SHEL模型为基础制订的核查表,能够有效提高ICU护士MRDO的防控执行力,降低重症患者MRDO的院内感染,有利于提高临床感染防控质量。

从SHEL模型角度探索减少航空维修人为差错的方法

阐述SHEL模型的基本原理及其在航空维修领域的应用,引入国内外典型的航空维修不安全事件案例,从SHEL模型的角度开展深入分析,找出事件发生的根本原因。分析表明,航空维修人为差错的发生,往往是人与软件、人与硬件、人与环境和人与人等界面的一个或多个界面不匹配导致的。做好航空维修人为差错控制,就要把握好SHEL模型中“人”这个核心要素,确保“人”和其他要素相匹配。从SHEL模型中各界面匹配性的角度,提出减少航空维修人为差错的管理方法,为航空维修人为差错预防和控制提供参考。

基于SHEL模型的飞机装配调试故障分析

对飞机制造行业多起典型装配调试故障进行统计,基于SHEL人为因素模型对案例进行分析,结合灰色关联理论计算人与软件、人与硬件、人与环境、人与生命件四个诱因的关联性。计算表明导致飞机装配调试故障往往是多个诱因交互作用的结果,其中人与软件、人与硬件关系诱因与故障发生关联性较强,其次为人与环境、人与人间的关系诱因。最后结合飞机装配调试过程的实际情况,提出了抑制人为差错诱因的四点措施。

基于SHEL模型的专项管理对改善急诊ICU患者医疗器械相关压力性损伤的效果

目的探讨基于SHEL模型的专项管理对改善急诊ICU患者医疗器械相关压力性损伤(medical devicerelatedpressure injury,MDRPI)的效果。方法采用便利抽样法,选取长沙市某三级甲等医院急诊ICU收治的409例患者以及急诊ICU的54名护理人员为研究对象。按照入院顺序,将2021年6月-12月收治的198例患者设为对照组,将2022年1月-6月收治的的211例患者设为试验组。对照组采用常规护理,试验组在对照组的基础上采用基于SHEL模型的MDRPI预防专项管理。比较培训前后急诊ICU护士预防MDRPI知信行得分以及2组MDRPI发生率。结果培训后急诊ICU护士预防MDRPI知信行总分高于培训前(t=51.846,P<0.001),试验组MDRPI发生率低于对照组(χ^(2)=8.182,P=0.004)。结论在急诊ICU患者中实施基于SHEL模型的MDRPI预防专项管理,可以提高护士预防MDRPI知信行水平,降低患者MDRPI发生率,改善临床护理质量。

基于TRACEr-SHEL模型的管制员差错行为核心影响因素研究

为掌握管制员差错行为规律,利用TRACEr-SHEL模型对影响管制员差错行为的内、外因素进行分析,采用社会网络分析法(SNA)构建影响因素网络模型,计算各影响因素的中心性指标,确定各影响因素之间的关联关系,识别导致管制员差错的关键影响因素。研究结果表明:协调指挥差错、监视识别差错、通信差错、使用设备工具差错是管制员外部差错基本类型;感知混淆、警觉性失效、注意力分散等是影响管制员差错的内部因素,设备故障、仪表显示不友好、操作不便利等是影响管制员差错的外部因素。感知与警觉性、注意力、记忆、工作场所环境等因素中心性指标均位于网络模型的前30%,其是管制员差错行为的核心影响因素。研究结果可为减少管制员差错行为、提高管制过程的可靠性提供依据。

SHEL模式在消毒供应中心中的应用效果

目的分析SHEL模式在消毒供应中心中的应用效果。方法回顾性收集2019年9月至2022年3月甘肃省妇幼保健院消毒供应中心工作人员及医疗器械的相关资料,其中2019年9月至2021年1月为对照组,采用常规管理模式;2021年2月至2022年3月为试验组,采用SHEL模式。比较两组工作人员的职业暴露、器械不合格发生率以及工作人员管理满意度。结果试验组的感染性、化学性职业暴露发生率均低于对照组,差异有统计学意义(P<0.05);观察组的医疗器械消毒不合格、灭菌不合格、清洗不合格、包装不合格发生率均低于对照组,差异有统计学意义(P<0.05);试验组工作人员对管理模式的总满意度高于对照组,差异有统计学意义(P<0.05)。结论将SHEL模式应用于消毒供应中心能降低工作人员职业暴露发生风险以及器械不合格发生发生风险,有利于提高工作人员满意度。

SHEL模式在ICU患者院内感染防控中的应用研究

目的 将SHEL模式应用于ICU患者院内感染防控中,并探讨其对院感发生率和对ICU工作满意度的影响。方法选取2019年1—12月的419位ICU患者纳入对照组,2020年1—12月的426位ICU患者纳入试验组。对照组给予常规的院感防控措施,试验组在其基础上实施SHEL模式下的ICU院感防控方案,比较两组患者院内感染发生率和对ICU工作的满意度。结果 试验组患者院内感染发生率及投诉事件发生率明显低于对照组,对ICU工作的满意度明显高于对照组,差异具有统计学意义(p<0.05)。结论 SHEL模式能够有效减少ICU患者的院内感染发生率,提高患者对ICU工作的满意度。

SHEL模式在腔镜手术物品清点安全管理中应用探析

目的:探讨SHEL模式在腔镜手术物品清点安全管理中应用。方法:选取2016年1月—2020年12月九江学院附属医院接受腔镜手术的80例患者,按照随机数表法分为常规组(n=40)和试验组(n=40),常规组使用传统管理方式,试验组使用SHEL模式。对比两组患者物品清点差错率、各项考核成绩、器械管理质量变化。结果:试验组术前物品清点差错率2.50%(1/40)低于常规组20.00%(8/40),差异有统计学意义(χ^(2)=4.507,P<0.05);试验组术中物品清点差错率0%(0/40)低于常规组15.00%(6/40),差异有统计学意义(χ^(2)=4.505,P<0.05);试验组人员理论知识、实践操作成绩分值高,且试验组器械准备齐全率100.00%(40/40)高于常规组77.50%(31/40),差异有统计学意义(t=4.489、5.036;χ^(2)=8.013,P<0.05);与常规组比较,试验组器械分类、数量完善、器械回收率、交接步骤分数较高,差异有统计学意义(t=14.906、11.402、11.719、19.487,P<0.05)。结论:SHEL模式在接受腔镜手术患者中可以降低物品清点差错率,加强各项考核成绩,提高器械管理质量。

基于SHEL+Reason模型的住院药房药品调剂差错安全风险综合评价指标体系的建立

目的建立基于SHEL+Reason模型的住院药房药品调剂差错安全风险综合评价指标体系。方法通过SHEL+Reason模型对我院住院药房2019年7—12月期间的441076条医嘱进行分析,结合文献复习法形成药品调剂差错安全风险的专家咨询表,采取德尔菲法(Delphi Method)进行咨询,通过统计学分析对指标体系进行完善,运用综合评分法构建综合评价方程,抽取2021年1—6月期间的897条调剂差错医嘱进行评价研究,采用信度分析验证指标体系的可靠性,对综合评价结果采用X-σ_(X)、X、X+σ_(X)确定区分不同等级的界限,进行单因素方差分析(完全随机设计),验证通过综合评价方法获得的各分类间的差异是否有统计学意义。结果本指标体系包含4个一级指标,10个二级指标,进行了两轮专家咨询后专家权威性和指标体系内部一致性良好,利用抽取的医嘱验证了构建的综合评价指标体系具有良好的区分度。结论建立的住院药房药品调剂安全风险评价指标体系适用于医院住院药房的药品调剂差错管理,可为医院相关管理工作的开展提供参考。

SHEL模式管理在护理人员职业暴露防护中的应用

目的探讨SHEL模式管理在护理人员职业暴露防护中的应用效果,为有效降低护理人员职业暴露提供依据。方法便利抽样法选择2015年6月至2016年6月在上海市某三级甲等医院的护士为研究对象。根据SHEL模式即软件部分(soft,S)、硬件部分(Hard,H)、临床环境(environment,E)以及当事人和他人(litigant,L)四个方面进行管理,采取相应的制度及防护措施后,调查2016年该院护士职业暴露发生情况。结果采用SHEL模式管理后,护理人员职业暴露总发生率从3.3%下降为2.3%;护理人员职业暴露人群主要是工作1~2年的护士;护理人员职业暴露的高发地点是病房,为50%;护理人员职业暴露主要类型是针刺伤,为88.3%。结论 SHEL模式管理能有效地降低护理人员职业暴露的发生率。

SHEL模式在护理不良事件原因分析中的应用

目的分析护理不良事件的发生原因,为患者护理安全管理提供依据。方法应用SHEL模式对2013年1月至12月全院发生并主动上报至护理部的131例护理不良事件进行回顾性分析。结果 131例护理不良事件中,与护士业务素质和能力有关的共106例,占80.92%;与护理工作场所及设施有关的15例,占11.45%;与临床环境有关的45例,占34.35%;与当事人及他人有关的57例,占43.51%。结论根据不良事件发生原因制订管理对策,加强培训,提高护士业务素质和能力、完善硬件建设和工作流程,从而有效防范护理不良事件的发生。

SHEL模型在住院患者跌倒管理中的应用

目的评价SHEL模型在住院患者跌倒管理中的应用价值。方法采用SHEL模型分析某医院2013年1-12月发生的72起住院患者跌倒事件的原因和缺陷,根据SHEL模型分析结果,2014年1月研究小组制订干预方案和对策,2014年2月开始组织和实施了一系列改进措施并进行跟踪验证,主要提升护理人员自身业务素质和能力,以及加强护理人员与软件、硬件、环境和其他人间的协调,比较干预前后两年住院患者跌倒事件的发生情况。采用Poisson回归对SHEL模型干预效果进行分析。结果采用SHEL模型分析结果显示跌倒事件90.3%与软件(医院规章制度、工作程序)相关,38.9%与硬件(工作场所、设备和设施)相关,43.1%与环境(临床工作环境)相关,86.1%与当事人(护理工作人员)相关,55.6%与他人(患者和家属)相关。2013年跌倒事件发生率为0.151%,干预后2014年跌倒发生率为0.063%,差异有统计学意义(P<0.05)。Poisson回归分析显示SHEL模型干预后跌倒发生的相对危险度降低为干预前的0.418倍。结论应用SHEL模型对住院患者跌倒事件的原因进行分析,根据相关因素制订改进措施,能有效降低住院患者跌倒事件的发生。

SHEL模式在分析护理差错事故中的作用

目的:探讨差错形成原因及SHEL模式在分析差错事故中的作用。方法:通过对2006年在该院52个护理单元所发生的50例差错的随月份分布、差错类别构成分析,以及用SHEL模式和护理差错环节分析法对每1例差错进行分析,提出相关改进措施,在全院交流。结果:2007年1～10月该院共发生差错26例,与2006年比较差异有统计学意义,P<0.01。结论:倡导缺陷分享文化,正视差错的危害性,分享缺陷经验,才能不断提高护理质量,更好地为广大病人服务。

局部枸橼酸抗凝并连续性肾脏替代治疗患者体内钙离子水平稳定性管理的研究

目的 探讨软件因素-硬件因素-环境因素-当事人及他人因素(software hardware environment liveware,SHEL)管理模式在局部枸橼酸抗凝(regional citrate anticoagulation,RCA)并连续性肾脏替代治疗(continuous renal replacement therapy,CRRT)患者钙离子水平稳定性管理中的应用效果。方法 通过前期基线调查,应用SHEL管理模式对钙离子和枸橼酸需要量数字模型实施中钙离子管理进行原因分析、对策拟定、过程控制并评价效果。采用便利抽样法,选取重症监护室2022年7月-12月行RCA-CRRT的84例患者为试验组,2022年1月-6月行RCA-CRRT的84例患者为对照组,比较两组治疗后体内血iCa^(2+)水平、桡动脉导管取样点准确率、单独静脉通道补钙途径正确率、钙和枸橼酸参数调整及时率、非计划性下机率、专科护士满意度的差异。结果 试验组治疗后2 h、4 h、8 h、12 h体内血iCa^(2+)水平差异无统计学意义(P=0.534),对照组治疗后2 h、4 h、8 h、12 h体内血iCa^(2+)水平有统计学差异(P=0.001);试验组非计划性下机率为9.5%,低于对照组10.7%,差异无统计学意义(P=0.798)。试验组桡动脉导管取样点正确率为97.6%,高于对照组81.0%;单独静脉通道补钙途径正确率为96.4%,高于对照组86.9%;钙和枸橼酸参数调整及时率为95.2%,高于对照组72.6%,差异均具有统计学意义(P<0.05)。护士满意度较对照组提高15.03%,对SHEL管理模式在RCA-CRRT治疗中钙管理的作用均给予肯定(P<0.001)。结论 采用SHEL管理模式能改善RCA-CRRT中的钙离子稳定性,提高专科护士满意度。

基于SHEL模型的企业大数据安全评价指标体系构建

在明确大数据安全内涵的基础上分析企业大数据安全要素,运用SHEL模型并参考《信息安全技术大数据安全管理指南》(GB/T 37973-2019),建立涵盖大数据基础安全、管理安全和应用安全的评价框架,构建的“三维一体”企业大数据安全评价指标体系具体包括3个主要维度、8个基本方面和24项观测指标,并运用德尔菲法确定指标权重,为企业大数据安全评价提供技术思路,为大数据安全领域的相关研究提供参考。

基于SHEL模式的医院感染管理在消化内镜中心的应用

目的:探讨基于SHEL模式的医院感染管理在消化内镜中心的应用效果。方法:采用目的抽样法,选取吉林省某三级甲等医院消化内镜中心85名工作人员进行前后对照,2020年4月—12月为对照阶段,实施常规医院感染管理;2021年1月—9月为干预阶段,从SHEL模式的软件、硬件、临床环境、当事人及他人因素4方面开展医院感染管理问题的识别、分析与处理。比较两阶段医院感染管理质量指标和患者满意度情况。结果:两阶段患者与内镜诊疗操作相关医院感染事件发生频次均为0;干预阶段工作人员职业暴露发生频次(2例次)较对照阶段(4例次)减少50%;工作人员培训参与率、职业防护合格率、手卫生依从率、内镜清洗消毒合格率、环境物体表面清洁消毒落实率、监测管理落实率等质量指标和患者满意度等指标,干预阶段均高于对照阶段,差异均具有统计学意义(P<0.05)。结论:基于SHEL模式进行医院感染管理,能够有效提升消化内镜中心医院感染管理质量,保障医患安全,同时改善患者就医感受,值得临床推广应用。

运用SHEL模式分析精神科护理不良事件

目的探讨SHEL模式在分析护理不良事件发生原因中的作用。方法对2005—2006年发生的45起护理不良事件运用SHEL模式进行分类及原因分析,提出相应改进措施。结果与软件部分(soft),即护士业务素质和能力有关的占89%(40例),与硬件部分(hard),即护理工作场所有关的占62%(28例),与临床环境(environment)有关的占47%(21例),与当事人及他人(litigant)有关的占64%(29例)。在此基础上提出改进措施,2007—2008年共发生24起护理不良事件,与2005—2006年比较,差异有统计学意义(P<0.01)。结论应用SHEL模式分析及防范护理不良事件有积极意义,能显著减少护理不良事件的发生,促进护理安全。

SHEL模型在降低住院药房药品调剂差错中的应用

目的:探讨SHEL模型对降低住院药房药品调剂差错率的效果,为寻找药品调剂差错发生原因提供参考模型,为后期制定防范措施奠定基础。方法:选取2019年6~8月我院住院药房调剂药品条目数3030402条作为对照组,通过SHEL模型对出现调剂差错的原因进行分析并制定相应措施进行干预;干预措施实施1年后,选取2020年7~9月我院住院药房调剂药品条目数3435975条作为观察组,比较干预前后两组药品调剂差错率。结果:我院住院药房2019年6~8月共发生药品调剂差错事件数489条,差错率为0.161‰,2020年7~9月共发生药品调剂差错事件数118条,差错率为0.034‰,两组差异有统计学意义(χ^(2)=276.797,P<0.001)。SHEL模型分析结果显示,药品调剂差错主要由硬件(设备与工作场所)、软件(人员素质与能力等)以及工作环境因素引起。结论:通过SHEL模型分析住院药房药品调剂差错发生的原因,并制定相应改进措施,可以有效减少住院药房药品调剂差错的发生。

基于SHEL模型的航空维修差错风险指标体系

航空维修差错是导致航空事故的重要诱因,预防维修差错对于保障航空安全具有重要现实意义。为有效识别与缓解维修差错风险,根据民航维修差错咨询通告(AC-121-007),采用层次分析法(AHP),结合SHEL模型从人、硬件、软件和环境四方面确定航空维修差错风险指标体系及权重排序。结果表明,沟通与协调、心理/生理素质、安全文化、知识与技能等是维修差错的关键风险指标。鉴于以上差错指标风险程度,有针对性提出维修差错防控措施,从而降低维修差错风险。

基于SHEL模型的内河船舶最优化配员研究

结合船舶安全配员法律法规,通过全国范围内发放调查问卷,获得公司管理人员、船员、海事管理人员对影响最低安全配员因素的意见,利用SHEL模型,认为影响内河船舶安全配员的因素为总吨位、主机功率、船舶种类、机舱自动化程度、驾驶自动化程度、航行时间、航区,通过最优化方法,在船员可适应工作量大于船员实际工作量的安全原则上建立内河船舶高级船员配员模型.结果表明,甲板部:总吨位50～300最低可配驾驶员1人;总吨位300～1 000最低可配船长1人,驾驶员1人;总吨位1 000以上最低可配船长1人,驾驶员2人;轮机部:150kW以下最低可配轮机员1人;150～500kW最低可配轮机长1人,轮机员1人;500kW以上最低可配轮机长1人,轮机员2人.