融合模糊层次分析法与贝叶斯网络的无线传感器网络医疗监测系统人为差错概率评估框架
《Scientific Reports》:A hybrid FAHP–Bayesian network framework for human reliability assessment in WSN based healthcare monitoring system
【字体:
大
中
小
】
时间:2026年09月18日
来源:Scientific Reports 4.9
编辑推荐:
摘要
无线传感器网络(WSN)越来越多地应用于医疗保健系统,用于对重症患者进行持续监测。尽管技术进步显著,但在传感器安装、监测、警报解读及响应过程中的人为交互环节仍会带来人为差错风险。由于不确定性和有限的运行数据,评估此类系统中的人为可靠性一直具有挑战性。本研究提出了一种将
摘要无线传感器网络(WSN)越来越多地应用于医疗保健系统,用于对重症患者进行持续监测。尽管技术进步显著,但在传感器安装、监测、警报解读及响应过程中的人为交互环节仍会带来人为差错风险。由于不确定性和有限的运行数据,评估此类系统中的人为可靠性一直具有挑战性。本研究提出了一种将模糊层次分析法(FAHP)与贝叶斯网络(BN)相结合的框架,用于估算基于WSN的医疗监测系统中的人为差错概率。通过回顾以往文献,识别了人为可靠性因素及其子因素。专家判断以语言变量形式表达,并使用三角模糊数进行建模。基于Chang的.extent分析方法构建的FAHP用于确定子因素的权重,所得的模糊失效概率作为输入用于贝叶斯网络,从而估算整体人为差错概率。本研究通过一个基于WSN的患者监测案例进行了验证。估算的整体人为差错概率为0.1346,人为可靠性值为0.8654,表明尽管先进监测技术已投入使用,但与人为因素相关的风险仍然显著。重要性分析表明,工作负荷与压力、培训与经验以及组织与管理因素是最具影响力的因素。在子因素层面,班次时间安排、对自动传感器建议解读的自信程度、复训频率以及长时间工作是最显著的影响人为差错的子因素。研究结果表明,为提升医疗WSN系统中的人为可靠性,应特别关注运营条件与组织管理环境。所提出的FAHP–BN框架为技术支持型医疗环境中的风险知情决策与患者安全提升提供了一种系统化、量化的工具。
生物通微信公众号
生物通新浪微博
今日动态 |
人才市场 |
新技术专栏 |
中国科学人 |
云展台 |
BioHot |
云讲堂直播 |
会展中心 |
特价专栏 |
技术快讯 |
免费试用
版权所有 生物通
Copyright© eBiotrade.com, All Rights Reserved
联系信箱:
粤ICP备09063491号