医院感染是当今突出的医疗安全问题，医院感染一旦发生，控制相对困难，影响患者预后与转归，增加医疗费用，给患者和社会带来巨大的经济负担，严重的可以导致患者残疾或死亡。因此对医院感染进行实时监测，加强医院感染预防和控制，显得尤为重要。　　医院感染监测主要包括现患率调查和发病率调查。目前国内现患率调查，一般是每年随机选取一天或几天，通过医务人员床旁询问和病例调查向结合，填写医院感染调查表，获取现患率数据。由于人工查阅，且只考虑调查时段内已经出现感染的病例，容易造成遗漏,且所取的调查时间点少，代表性难免会出现偏差，无法实时动态的反映医院的感染情况。　　本文基于医院感染实时监控系统，对北京某大型综合医院医院2010年-2012年369166例住院患者进行了全程实时监测，获取了三年来的日现患率监测数据，在国内首次实现了现患率的连续、动态调查。该系统与医院信息库实现良好对接，对所有入院患者进行监测，保证实查率100％。遵照感染相关标准、结合感染专职人员与临床医生实际经验、人机交互的诊断策略，使现患率的调查结果更真实准确。　　调查结果显示，日在院人数受节假日影响较大。每逢节假日，日在院人数均会明显减少，且假期越长，降幅越大，春节和国庆节降幅最为显著。每周周四日均在院在院人数最多，以其为中心成倒U型分布。日均现患人数变化比较平稳。三年内的现患率均值为5.37%，在3.78%～14.78%之间波动，日现患率以年为单位呈周期性变化，每年的春节期间，现患率最高，其次为国庆节；月平均现患率3月份最低，7、8、9月份较高，呈现出明显的季节性；每周内日现患率以周四为中心，成U型分布。　　基于现患率的波动变化规律，未来的现患率调查，应避开节假日，选择不同时间重复多次调查,以避免调查偏倚。另外，利用多元线性回归法、ARIMA模型以及BP网络三种方法，对2013年1～2月的现患率变化进行了预测，并与现患率真实值进行了对比,结果显示经数据迁移处理后，利用多元线性回归方程在对2013年现患率的预测方面，误差最小，效果最好。　　现患率调查结果显示不同部门、不同科室间现患率差异较大。其中内科临床部中的血液科年平均现患率是同期全院平均现患率的2.68～3.76倍，为加强对患者医院感染的预防和控制工作，本文以血液科患者为例进行重点研究。　　本文收集了2010年1月至2012年10月入住血液科超过48小时的成年血液病患者5555例，其中感染712例，医院感染率为12.82%。该院血液病患者以非霍奇金淋巴瘤最多，2731例，占比49.16%；其次是急性白血病患者占比19.51%，共1084例；排名第三位的是多发性骨髓瘤患者，578例，占比10.41%。感染率最高的血液病为急性白血病，感染率为30.26%；霍奇金淋巴瘤感染率最低，本文将血液病患者的相关因素分为患者自身因素和医源性因素两大类，对发生医院感染的患者的医源性因素，按感染时间分为两部分。将发生医院感染患者感染前的各项指标与未感染患者的各项指标做病例对照研究。分析该类人群发生医院感染的危险因素。多元Logistic回归分析显示,有显著性意义的影响因素主要有患者疾病、肾病、肺部疾病、移植、院外感染、肾上腺皮质激素、化疗、免疫抑制剂、粒缺和限制类和特殊类用药的使用。　　此外，将样本按3:1分成训练样本和测试样本。构建Logistic回归模型和BP网络模型，对样本进行训练，选择合适的阈值。Logistic回归模型选择0.2作为阈值，模型检验的准确率为82.60%，经测试样本测试，其预测准确率为74.13%,其中感染患者诊断正确率为74.58%。BP网络模型确立了单隐含层、节点为12的三层网络结构，选取0.39作为阈值，模型检验准确率为94.45%，经测试样本检验，BP网络模型的预测准确率为82.49%。与多元Logistic回归模型相比，BP网络其模型检验结果及预测结果均较高，说明BP网络在感染预测诊断方面优于Logistic回归模型，但其预测灵敏度低于Logistic回归模型，有待进一步改进和完善。