《Scientific Reports》：Fuzzy decision support systems for hospital infection management: a circular q-ROF CRADIS method to prevention and control
编辑推荐：
针对医院感染（HAIs）控制措施评估中普遍存在的不确定性、专家意见冲突及循环偏好行为等决策难题，研究人员开展了一项主题为“Fuzzy decision support systems for hospital infection management”的研究。他们提出了一个集成循环q-阶正交模糊集（Circular q-ROF）与改进CRADIS方法的决策支持模型。结果表明，该模型在高度不确定性条件下能提供稳定、可解释的评估结果，为医院感染控制政策的制定贡献了一个结构化且可靠的工具。此项研究的意义在于增强了决策框架对复杂、模糊医疗评估环境的建模能力。
在医院这个与生命健康紧密相连的场所，一种看不见的威胁——医疗相关感染（Healthcare-associated infections, HAIs）——始终是患者安全和医疗系统可持续性面临的最严峻挑战之一。它像一道隐藏在精密仪器和洁净白大褂下的阴影，不仅直接危害患者健康，延长住院时间，增加医疗成本，也给医护人员和管理者带来了巨大的决策压力。如何科学地评估和选择最有效的感染预防与控制措施，成为一个亟待解决的复杂问题。传统的评估模型往往依赖于经典或基础的模糊方法，但现实世界的决策，尤其是由多位专家参与的医疗评估，充满了更多维度的不确定性：专家意见可能相互冲突，他们对问题的判断可能存在犹豫不决，甚至其偏好模式可能不是一次性的，而是随着评估的深入或参照系的变化呈现出某种周期性或循环性的特点。这些高度模糊和动态的特性，是旧有工具难以精确捕捉的。正是在这样的背景下，一项旨在为医院感染管理打造更智能“决策大脑”的研究应运而生，并最终将论文发表在了《Scientific Reports》上。
为了构建这个强大的决策大脑，研究人员巧妙地融合了前沿的数学工具与决策科学方法。其核心是提出了一个基于循环q-阶正交模糊集（Circular q-Rung Orthopair Fuzzy sets, Circular q-ROF）并与改进的CRADIS（Compromise Ranking of Alternatives from Distance to Ideal Solution）方法相结合的决策支持框架。研究首先对Circular q-ROF集合进行了必要的理论阐述，以建模不确定性、犹豫和周期性判断模式。随后，在Circular q-ROF环境下，对改进的CRADIS方法进行了重新表述，并对其中的标准化、聚合和排序步骤进行了适应性调整。整个模型的验证通过一个数值案例研究展开，该案例围绕多个涵盖效果、安全性、成本和可持续性的标准，对一系列医院感染控制措施进行了评估。
作者通过一系列逻辑严密的研究步骤，逐步展示了所提模型的有效性和优势。
- •
研究设计与模型构建：本研究并非从零开始，而是在深刻剖析现有医院感染控制评估模型局限性的基础上，创新性地引入了Circular q-ROF结构。该结构能够同时处理专家判断中常见的不确定性、犹豫和周期性（循环）偏好行为，这是以往模糊方法所欠缺的。接着，研究团队对经典的CRADIS多准则决策方法进行了改进，并将其完整地迁移并适配到Circular q-ROF的数学环境中，重新定义了归一化、信息聚合以及最终方案排名的整套流程。
- •
案例应用与评估：为了证明框架的实用性，研究设计了一个具体的数值案例。在这个案例中，多种备选的医院感染控制措施（例如，不同类型的手部消毒方案、环境清洁协议、抗生素管理程序等）被置于评审台前，依据一系列精心挑选的评估准则（如感染降低有效性、患者与员工安全性、实施成本、长期可持续性等）进行综合评价。通过运行所构建的Circular q-ROF CRADIS模型，得到了这些控制措施的优先等级排序。
- •
比较分析与稳健性检验：为凸显新模型的性能，研究将其与一些知名的现有基于模糊聚合的决策模型（如基于TOPSIS、VIKOR等方法的模糊变体）进行了排名结果对比。对比显示，新模型在不同条件下能产生逻辑一致的排序。更重要的是，研究进行了深入的敏感性分析，通过系统性地改变模型关键参数（如q-ROF中的参数q）和调整不同专家的权重分配，来检验排序结果的稳定性。分析结果表明，即使在参数波动和专家权重变化的情况下，所提方法得出的核心排名顺序保持了良好的稳健性，未出现剧烈反转，证明其在高不确定性条件下的可靠性与强健性。
综上所述，本研究的核心结论是为医院感染预防与控制这一复杂决策领域，贡献了一个结构化的、可靠的决策支持工具。它所提出的基于Circular q-ROF与改进CRADIS方法的整合框架，成功地克服了传统模型在捕捉专家判断的循环偏好和高度模糊性方面的不足。通过案例研究和对比分析，该模型被证实能够产出稳定、可解释的评估排名，这对于医院管理者在面对信息不完整、意见不统一的现实困境时制定感染控制政策至关重要。论文在讨论部分强调，这一框架不仅限于医院感染管理，其方法论可扩展至其他需要处理不确定性、多专家周期判断的医疗健康评估场景，例如医疗技术评估、临床路径优化或公共卫生干预措施的选择，展现了广阔的应用前景。因此，这项工作不仅是对模糊多准则决策方法学的一次有意义推进，更是将前沿决策科学理论扎实落地于重大公共卫生实践问题的一次成功示范。
