张燕，吴桂丽，范冠华

非计划性拔管是指导管未达到规定的拔管标准之前意外脱出，其主要原因是患者自行拔管和医务人员操作不当[1]。非计划性拔管的发生不仅增加患者的痛苦、威胁患者的生命安全，而且占用医疗资源增加社会经济负担[2]，分析主要风险因素能够更好评估并识别高风险脱管患者，从而采取预防措施以降低非计划拔管率。以往研究未分析非计划性拔管风险因素之间潜在的联系[3]。关联规则挖掘是数据挖掘的一个重要分支，主要探索事务数据库、关系数据库和其他信息存储中的大量数据项之间隐藏的、有趣的规律[4]。有研究者基于医疗大数据的挖掘技术，识别出跌倒、压疮等护理不良事件的高危因素[5-6]。为早期精准识别非计划性拔管风险因素潜在的、有价值的联系，2020年7月本研究运用Apriori算法对172例非计划性拔管事件进行关联规则分析，旨在为制订院内非计划性拔管预防措施，以降低非计划性拔管事件发生率，提高护理质量提供依据。

1 资料与方法

1.1数据来源 回顾性整理2016年1月至2020年5月某三级甲等医院上报的非计划性拔管事件，非计划拔管事件发生后，责任护士在24 h内按要求通过医疗安全(不良)事件报告系统填报非计划拔管事件发生经过及处置措施等内容。共纳入分析172起。

1.2资料收集方法 数据资料包括患者一般资料(住院号、性别、年龄、职业、医疗付费方式等)、导管分级、主要诊断、事件发生日期类型、事件发生时意识状态、是否再次插管、造成损害的程度、发生科室、发生时段、当班责任护士的基本信息以及对事件发生经过的描述等。……