灾难中的智能算法及病人分配

⃝⃝可在www.sciencedirect.com上在线ScienceDirectICT Express 4（2018）107www.elsevier.com/locate/icte灾难中病人分配的智能算法Junaid Ahmed Zubairia， Sahar Idwanb，ca计算机与信息科学，文理学院，纽约州立大学弗雷多尼亚分校，弗雷多尼亚，纽约州14063，美国b约旦哈希姆大学侯赛因·本·阿卜杜拉二世亲王信息技术学院计算机科学与应用系c阿拉伯联合酋长国哈伊马角美国大学工程学院计算机科学与工程系接收日期：2016年12月10日;接收日期：2017年5月5日;接受日期：2017年5月22日2017年6月12日在线发布摘要我们描述了一个系统的设计和实现，以自动化的病人处理和分配到医院的大规模灾难，涉及大量的受伤的受害者通过无线网络。此外，对以前开发的MEDTOC系统进行了修改和增强，以包括灾害现场的位置感知功能，以及快速分类和将患者分配到附近医院。我们目前的设计实施和模拟灾难的结果，涉及一个虚构的20层的公寓楼位于阿拉伯联合酋长国哈伊马角。预计通过使用该项目的技术，混乱的大规模灾害局势可以得到更适当的控制和稳定，从而挽救更多的生命。c2017年韩国通信与信息科学研究所（KICS）。Elsevier B.V.的出版服务。这是一个开放获取CC BY-NC-ND许可证下的文章（http://creativecommons.org/licenses/by-nc-nd/4.0/）。关键词：群体性灾难;位置感知;灾难管理;修订创伤评分;生命体征1. 介绍在任何大规模灾难的情况下，如建筑物倒塌，地震或山洪暴发，预计许多机构将急于援助受害者。鉴于可能有大量受害者，局势可能很快变得无法控制，混乱可能会减少挽救生命的机会。此外，混乱会限制地区医院及时识别和治疗最严重受伤受害者的能力。目前处理灾害的程序包括在灾害现场和附近的医院设立分诊室。根据病情对病人进行标记，重伤病人立即被转移到附近的医院，由急诊室医生进行治疗。大规模灾难的第一反应者的数量自然是有限的，因为可用的医疗设备和资源永远不足以应对这些灾难。此外，*通讯作者。电子邮件地址：junaid. fredonia.edu（J.A. Zubairi），sahar. aurak.ac.ae，sahar@hu.edu.jo（S. Idwan）。同行评审由韩国通信和信息科学研究所（KICS）负责http://dx.doi.org/10.1016/j.icte.2017.05.005这将大大拖延更多医疗人员和设备的抵达，并拖延为情况危急的病人征求医疗意见。因此，有必要弥合这一差距，减少拖延，因为在这种情况下，人的生命面临危险此外，护理人员不是最危重病人的决策者，大规模灾难发生后不久，分诊现场缺乏医生，这使危重病人的病情恶化。使 用 我 们 先 前 提 出 的 蜂 窝 网 络 医 疗 数 据 传 输（MEDTOC）系统，可以大大减少与医生第一次见面的延迟[1，2]。MEDTOC提供了一种机制，可以使用重要微粒[3]整合现场收集的患者数据，并使用蜂窝网络将其发送到医院生命微粒是一种传感器，可以捕捉病人的生命体征，并将其无线传输到附近的现场计算机。设计了一个门户网站，使授权用户能够获得有关整个灾害管理情况的重要统计数据病人医疗数据的实时无线传输的思想已经在较早的时候提出，并且已经有几种方案被实现。2405-9595/c2017韩国通信和信息科学研究所（KICS）。出版社：Elsevier B.V.这是一篇基于CC BY-NC-ND许可证的开放获取文章（http://creativecommons.org/licenses/by-nc-nd/4.0/）。108J.A. Zubairi，S.Idwan/ICT Express 4（2018）107这是为了达到这个目的[4然而，这些方案中的大多数仅限于单个患者数据。另一方面，[3，6]中测试的多名患者的数据聚合仅限于现场或医院内的分诊室中的内部使用。CodeBlue传感器[7]可用于汇总多名患者的生命体征信息，包括体温、血压、SpO2饱和度水平和脉率。类似地，在MEDTOC系统[1，2]中，大量患者的生命体征可以被整合，可选地被压缩，并通过蜂窝网络传输到附近的医院以用于监测患者。在医院中，接收到的MEDTOC具有特定的数据包报头格式、患者分组标准和Web门户，为医生提供安全和熟悉的界面。在本文中，我们概述了一个更新的MEDTOC为基础的框架工作，以管理病人流到附近的医院在一个大规模灾难的修改和增强先前定义的在下一节中，我们将讨论大规模 灾 难 管 理 。 在 第 3 节 中 ， 我 们 介 绍 了 先 前 定 义 的MEDTOC系统架构、增强功能以及根据修订创伤评分（RTS）值和其他因素将患者分配到医院的算法。第4节讨论了区域医院在哈伊马角（RAK），阿拉伯联合酋长国（ 阿 联 酋 ） 作 为 一 个 例 子 进 行 模 拟 和 模 拟 结 果 的MEDTOC处理灾难的情况下，从一个虚构的20层楼高的建筑物倒塌。结论和未来的工作在第5节中讨论。2. 目前的灾害管理计划在[8]中，提出了一个名为高级健康和灾难援助网络（AID-N）的医疗保健信息系统的设计。该系统有助于患者护理、资源分配，并允许进行实时通信以进行分诊。然而，AID-N是一个昂贵的系统，由于医务人员的培训，系统维护和数据库系统管理在服务器端。文献[9]的研究者们提出了一个基于灾难援助网络的应急响应系统，旨在解决灾难现场的物流问题。研究人员在[10]中设计了一个IT应用程序，以改善灾难现场的患者护理。他们设计了灾难医疗响应无线互联网信息系统（WISARD），以提高大规模伤亡事件中患者信息的跟踪和质量。WISARD由于诸如用于通信的外部带宽和电子健康记录的复杂设计等因素而具有一些限制。医疗机构医疗记录管理的灾难规划策略见[11，12]。网上受害者追踪和跟踪系统（ViTTS）在[13]中介绍，该系统基于使用救护车上的路由器的无线网络和受害者的直接在线登记。ViTTS的挑战包括将院前数据与需要在某些方面进行修改的院内数据在医疗保健系统中。其他研究人员[14]专注于通过最小化响应时间和相关成本来开发灾难性事件的最佳响应策略。然而，他们的模型只考虑运送需要医疗照顾的非生命危险的受害者。在本文中，扩展MEDTOC系统提出了以下特点。该系统允许使用ID和代表近似RTS值的分类标签标记灾难现场的每位患者[15]。它在客户端（灾难）端实现了灾难管理算法，该算法可以找到最近的医院，并自动化患者数据流到医院的过程此外，它还在服务器（医院）端实现了另一种灾难管理算法，该算法根据距离、创伤等级和医院可用容量3. MEDTOC体系结构MEDTOC被设计为客户端-服务器应用程序，用于管理灾难现场的患者处理。MED-TOC作为一种系统引入，用于在分诊中心和最近的医院之间建立通信，以交换患者信息并进行远程监测[1，2]。根据CAN 2.0A（即，控制器区域网络协议）。此外，集成，压缩和传输协议被指定为在传输之前集成数据，并在接收时对其进行segre门控。进行OPNET仿真，以配置从移动的救护车到医院的基于UMTS的患者数据传输。传输通过各种节点B站，具有中等到重负载和重复的中断。本研究基于第1节所述的生命微粒的使用。然而，在咨询了医院和创伤中心的急诊室医生后，我们也考虑了使用分类标签的选择。在使用分类标签而不是重要微粒方面存在某些困难，包括分类标签的人工处理的延迟，与生命微粒的自动处理和患者状况的零延迟更新相反。然而，重要的微粒并不广泛可用，护理人员训练有素，用彩色编码的分类标签标记每个病人此外，护理人员在很大程度上不熟悉重要微粒的使用和管理。因此，如果广泛实施灾害管理计划，它就不能仅仅依赖于可能无法普遍获得的东西。分类标签的颜色转换为患者的近似RTS值因此，用于患者数据传输的方案被大大简化，并且仅将患者ID和分诊标签的RTS值的信息传送到医院。急诊室医生还建议，该过程必须具有位置意识，并且必须积极主动地将患者分配到合适的医院。因此，我们扩展了MEDTOC系统，通过引入位置感知和指定的参数，控制分配的灾难受害者的地区医院使用一系列的软件程序。J.A. Zubairi，S.Idwan/ICT Express 4（2018）107109∑∗×××Fig. 1. MEDTOC增强的MEDTOC系统识别距离大规模灾难地点最近的医院，并自动化患者数据流和患者分配过程。据我们所知，没有一个现有的患者数据通信方案处理患者分配问题。预先将病人分配到最合适的医院可以减少处理大规模灾难的分诊室的MEDTOC根据每位医生的个人重症监护能力（CCC）定义了医院的总治疗能力（TTC）。一家医院h的TTC，可用于治疗受害者的医生总数为p，pTTC h=CCC i。（一）i=1当将患者分配给医生时，医生和医院的能力都会更新。MEDTOC通过减去患者RTS值与最大可能RTS值的差值来更新选定医生的CCC是7.8408。在医院h将患者m分配给医生n后，用于更新治疗能力的方程如下所示，如[1]中所报告。CCC n，new= CCC n，old−（7. 8408−RTSm）（2）TTC h，new= TTC h，old−（7. 8408− RTS m）。（三）将患者分配到特定医院取决于到医院的距离、医院创伤等级和TTC，如等式2所示。（4）.优先级（h）= TRh+（1−Dh）MEDTOC客户端可以在响应灾难呼叫的医护人员使用的便携式计算机中配置。MED-TOC服务器可以在医院计算机中配置，TRmax RTSTTCh，current+TTCh，初始DMax.（四）等待客户端共享灾难信息。在下文中，我们描述了在发生大规模灾难时MEDTOC客户端和服务器的操作[1]。当灾难发生时，第一响应者到达现场，指定一个分类区域，并在便携式计算机上启动客户端MEDTOC软件。假设该计算机包含GPS接口和蜂窝网络接口。MEDTOC客户端和服务器采取以下步骤，如图1所示，并在算法1.1和1.2中解释。客户端使用GPS系统进行自我定位。基于在其位置上，它使用公共数据搜索附近的医院，并连接到最近医院的服务器端软件。然后，客户端的位置被传输到服务器以确定灾难位置。服务器软件尝试与50 km范围内另外2至5家附近医院的服务器节点建立连接。护理人员将生命微粒附着在患者身上，微粒开始将相应的生命体征发送给本地客户端。在没有医护人员会用彩色的分类标签六种颜色代码包括白色（非紧急），绿色（不太紧急），黄色（紧急），红色（紧急），蓝色（非常紧急）和黑色（死亡）。根据可用信息，服务器检查队列并从给定医院为患者分配医生。接下来，服务器通知客户端所有患者的分配情况。患者的RTS可以用作将患者分配给特定医院的医生的最重要因素。如果使用了生命微粒，护理人员应该为每位患者分配一个RTS值。如果使用分类标签，则颜色表示RTS值的特定范围，并且这些值可以传输到命令和控制中心以进行进一步处理。当量（4）根据三个因素确定医院在分配病人方面的优先次序第一个因素考虑医院的创伤排名。这个等级在1到5之间，是从如下所示的五个参数计算出来的。这些参数与一家大型医院和创伤中心的急诊负责人合作进行了验证。a. 247紧急服务b. 24 7辆救护车，配备训练有素的护理人员c. 24 7急诊室医生d. 充足的血液供应始终可用e. 设备齐全的重症监护室和现代化的OT，用于紧急手术。根据分诊标签或生命微粒确定的患者RTS值较低的RTS值增加了在指定区域内具有最佳创伤等级的医院的优先级第二个因素基于医院与灾难现场的距离（或取决于当前交通的旅行时间）对医院的优先级做出贡献，第三个因素考虑了更新的TTC值对医院的影响。Eq的值。（4）确定医院优先级，具有最高优先级的医院将接收来自灾难现场的下一个患者每次分配后，Eqs。（2）、（3）和（4）针对下一个患者进行更新。完整的算法在表1和表2的算法1.1和算法1.2中示出。4. 模拟设置和结果我们对医生进行了采访，以确定处理大规模灾难110J.A. Zubairi，S.Idwan/ICT Express 4（2018）107表1MEDTOC客户端算法。表2MEDTOC服务器端算法。形势我们调查了RAK地区的医院，并采访了Al Rashid医院和创伤中心（阿联酋迪拜）的事故和急诊负责人。在下文中，我们提出了我们的观察结果，并总结了所获得的信息。为了评估患者，急诊医生使用条件类型，条件严重程度和生命体征。此外，他们严重依赖于病人的观察。在灾难现场，护理人员可能没有足够的时间来确定RTS。然而，他们训练有素，可以快速确定每个患者的分类标签颜色。通过创伤类型和评分对患者进行分类可以帮助将患者聚类，以便将其分配给合适的医生。MEDTOC的主要优势是根据其容量将紧急情况的负荷分配给附近的几家医院，表3比较患者分配。RTS范围医院1医院2医院30.0-0.500670.5-1.0223281.0-1.52444831.5-2.02616532.0-2.56023372.5-3.04216253.0-3.54111253.5-4.030915总计225142333医生的帮助，否则他们可能无法 帮你在 RAK 地 区 收 集 的 关 于 各 医 院 的 数 据 用 于 使 用MEDTOC客户端和服务器软件的模拟模拟的目的是评估多层建筑倒塌造成的大量受害者是否可以在当地医院接受治疗。为了模拟灾难场景，我们在阿联酋RAK 的Al-Hamra地区选择了一栋虚构的20层公寓楼这座建筑每层应该有8到10个不同大小的公寓。模拟的灾难是由于地震导致的建筑物倒塌，影响到灾难发生时建筑物内的数百名居民我们使用了一系列的C和MATLAB程序来模拟受灾者的条件下，通过生成RTS值从泊松分布范围内0.0用C语言编写的客户端程序使用GPS接口来确定灾难的位置。谷歌公共图书馆的一个界面可以搜索半径50公里内的设施，并选择那些被确定为医院的设施。客户端在最近的医院之一建立与服务器端的通信。灾难发生的地点在医院服务器上登记然后，客户端使用C编写的客户端-服务器软件准备并转发数据文件该服务器用MATLAB编写，运行算法将患者分配到特定的医院，并为每个患者分配医生（PhysID）和医院（HospID为了进行模拟，选择了RAK医院、Saqr医院和Saif医院。RAK医院（Hosp1）是离灾难现场最近的医院，但它的创伤等级最低。第二个最近的医院是Saqr医院（Hosp3），创伤等级最高。最后，赛义夫医院（Hosp2）是距离最远的中等创伤医院。在表3中，示出了当患者数量为700时，患者分配到这三家医院的结果可以看出，处于最危急状况的患者被分配到Hosp3，因为它具有最高的创伤等级。作为RTS值随着病情的加重，病人被分配到其他医院。计算了医院医生的平均负荷，当考虑700名患者时，它在3和3.5之间变化。Hosp3患者的平均RTS值为1.20，而Hosp1和Hosp2分别为2.98和1.93。 第一列中RTS值的范围如表3中所讨论的，J.A. Zubairi，S.Idwan/ICT Express 4（2018）107111第3款. 医院3的平均RTS值最低，它在三家医院中具有最高的创伤等级，因为病情最危急的患者被分配到具有最好的创伤设施的医院。5. 结论和今后的工作在本文中，我们描述了在大规模灾难的情况下，附近医院的医生的自动化病人假设无处不在的蜂窝和GPS连接，以及医院的智能计算基础设施。我们已经制定了患者分配方案，作为整体MEDTOC框架的一部分，这需要通过蜂窝网络将患者数据传输到指定医院进行灾难管理。使用几个因素来处理患者到医院的分配，包括现场护理人员分配给受害者的分类标签，医院的感知创伤等级，从灾难现场到医院的驾驶距离，以及从医生的CCC导出的医院的TTC。利用C语言和MATLAB语言开发了多个程序，生成模拟的患者根据从三个地区医院收集的信息，给出了阿联酋RAK一栋虚拟公寓楼倒塌造成的大规模灾害的模拟结果结果表明，一个平稳和智能的病人分配与最关键的病人首先分配到医院的最佳创伤排名，其次是控制分配的病人到其他地区的医院。未来的工作包括通过将从重要微粒获得的患者数据与分诊标签相关联来扩大项目的范围，并将二级或较低创伤等级的医院纳入自动转移决策。致谢作者感谢以下贡献。哈伊马角美国大学物理学教授Hamid Berriche博士的建议增强了患者分配到医院的因素。工程师Arslan Ahmed致力于开发基于C和MATLAB的灾后患者流模拟。来自Al Rashid医院和创伤中心（阿联酋迪拜）的事故和急诊负责人Burtros博士提供了有关分流过程和灾难处理的有用信息和建议。这项工作得到了纽约州立大学弗雷多尼亚以 及 阿 联 酋 哈 伊 马 角 美 国 大 学 于 2015 年 授 予 的ENGR/001/15号特此感谢约旦哈希姆大学的帮助和利益冲突作者声明，本文中不存在利益冲突引用[1] R.奥尔森，J.A. Zubairi，A. Biliciler，紧急情况和灾难中患者数据处理的软件框架，在：Int.Conf. 合作技术系统，CTS，2014，pp. 553-557[2] J.A. Zubairi ， S. 米 斯 巴 胡 丁 岛 Tasadduq， Emergency medical datatransmissionsystems and techniques ， in ： Handbook of Research onAdvancesinHealthInformaticsandElectronicHealthcareApplications：GlobalAdoptionandImpactofInformationCommunication Technologies，IGIGlobal，2010.[3] T.高湖，加-地Hauenstein，A. Alm，D. Craw，通过无线网络进行生命体征监测和患者跟踪，约翰霍普金斯大学APL技术。Dig. 27（2006）66-74。[4] P.T. Campbell等人，急性心肌梗死的院前分诊：通过手持计算机将心电图无线传输给随叫随到的心脏病专家，心电学杂志。38（2005）300-309。[5] P. Giovas，D.伊拉科斯岛Papazachou，D. Papadoyannis，院前心脏远程护理的医疗方面，载于：M-Health 新兴移动医疗系统，Springer，2006年，pp. 389-400[6] B. Chen，中国粘蝇D. Pompili，使用无线体域网传输患者生命体征，Mob。网络16（2011）663-682。[7] D. Malan，T. Fulford-Jones，M. Welsh，S. Moulton，Codeblue：用于紧急医疗护理的ad hoc传感器网络基础设施，在：Int. WorkshopWearable Implant。身体感觉网，2004年[8] T. Gao等人，先进的健康和灾难援助网络：一个轻量级的无线医疗系统的分类，IEEE Trans.生物医学。电路系统1（2007）203-216。[9] 答：K. Chandra-Sekaran，A.恩沃卡福尔湖沙马斯角Kunze，K.D.Mueller-Glaser，一个灾难援助传感器网络，使用Zigbee进行患者定位和空气温度监测，Int. J. Adv. 互联网技术2（2009）68-80。[10] 洛杉矶Lenert等人，大规模伤亡现场护理无线电子健康记录系统的设计和评估，J。Med. 告知。18（2011）842-852。[11] E.史密斯河Macdonald，灾害期间的卫生信息管理，卫生信息管理。J. 35（2006）8-13。[12] P. Moore，《医疗机构灾害规划》，人民卫生出版社，美国，2013年。[13] 通用汽车马雷斯湖Taal，M. Bemelman，J. Bouman，L.P. Leenen，重大事故伤亡人员在线受害者跟踪和追踪系统（ViTTS ），Prehosp。Disaster Med.28（2013）445-453.[14] M. Muaafa，A.L. Concho，J. Ramirez-Marquez，《灾害应急资源分配：一种渐进的方法》，载于：Probab.更安全。评估。经理。会议，PSAM 12，2014年。[15] H. Champion等人，创伤评分的修订，J. Trauma AcuteCare Surg. 29（1989）623-629。