ICS 35.240.99 CCS L 67 34 安徽省 地方 标准 DB34/T 5125.3—2026 重症医学数据集 第3部分：脓毒症数据 Critical care medicine data set — Part 3：Sepsis data 2026 - 01 - 05发布 2026 - 02 - 05实施 安徽省市场监督管理局 发布 DB34/T 5125.3 —2026 I 前言 本文件按照 GB/T 1.1 —2020《标准化工作导则 第1部分：标准化文件的结构和起草规则》的规定 起草。 本文件是 DB34/T 5125 《重症医学数据集》的第 3部分。DB34/T 5125 已经发布了以下部分： —— 第1部分：监测数据 ； —— 第2部分：评估诊断数据。 请注意本文件的某些内容可能涉及专利。本文件的发布机构不承担识别专利的责任。 本文件由 安徽医科大学第一附属医院 提出。 本文件由 安徽省卫生健康委员会 归口。 本文件起草单位： 安徽医科大学第一附属医院、 合肥综合性国家科学中心大健康研究院、安徽省质 量和标准化研究院、苏州迈特斯医疗科技有限公司、安徽医科大学第二附属医院、蚌埠医科大学第一附 属医院、安徽省公共卫生临床中心（安徽医科大学第一附属医院北区）、皖南医学院弋矶山医院。 本文件主要起草人： 邵敏、王珩、张洁、张树梅、陶敏、王寒冰、王翠、朱德刚、杜明超、石磊、 肖怿鸣、刘 念、方明、张昕、张文雅、张磊、郁晓亮、刘荣敏、杨旻、 王芮、蔡宇、汪华学、王楠、鲁 卫华。 DB34/T 5125.3 —2026 II 引言 在现代医学领域，重症医学作为关乎危重症患者生命救治的关键学科，其重要性与日俱增。随着医 疗技术的飞速进步，重症监护病房 （ICU）中各类先进监测设备、生命支持系统不断涌现，在为患者提 供精准治疗的同时，也产生了海量且复杂的数据。这些数据涵盖患者从入院到康复或预后的各个阶段， 包含了丰富的临床信息，对提高重症患者的救治成功率、推动重症医学科研发展意义重大。然而，当前 重症医学数据在采集、存储、管理和应用等环节缺乏统一规范，数据格式多样、标准不一，导致数据难 以整合与共享，极大地限制了其潜在价值的挖掘。 《重症医学数据集》的编制，旨在填补这一空白，构建一套全面、系统且标准化的重症医学数据体 系。通过对各类重症医学数据进行规范化定义、分类和整理，明确 数据元属性、数据元信息及数据元值 域代码表， 确保数据的准确性、 完整性和一致性。 这不仅能够为临床医生提供更准确、 全面的决策支持， 优化重症患者的诊疗流程，提高救治质量，还能为医学科研人员提供高质量的数据资源，加速对重症疾 病发病机制、治疗方案的研究进程，推动重症医学领域的学术进步。 DB34/T 5125 内容广泛，涉及重症 医学多个关键领域，拟由 14 部分构成。 —— 第1部分：监测数据。作为整个数据集的基础，收集患者在 ICU期间的生命体征、血流动力 学参数等基础信息，为后续各部分的数据评估和分析提供原始依据。 —— 第2部分：评估诊断数据。基于监测数据及其他相关信息，对患者病情进行综合判断，为临 床诊断提供标准化参考。 —— 第3部分：脓毒症数据。针对脓毒症，建立专项数据集，深入剖析每种疾病的特征数据，有 助于精准研究疾病的发生、发展规律及针对性治疗策略。 —— 第4部分：急性呼吸窘迫综合征数据。针对急性呼吸窘迫综合征，建立专项数据集，深入剖 析每种疾病的特征数据，有助于精准研究疾病的发生、发展规律及针对性治疗策略。 —— 第5部分：急性肾损伤数据。针对急性肾损伤，建立专项数据集，深入剖析每种疾病的特征 数据，有助于精准研究疾病的发生、发展规律及针对性治 疗策略。 —— 第6部分：重症急性胰腺炎数据。针对重症急性胰腺炎，建立专项数据集，深入剖析每种疾 病的特征数据，有助于精准研究疾病的发生、发展规律及针对性治疗策略。 —— 第7部分：创伤数据。针对创伤，建立专项数据集，深入剖析每种疾病的特征数据，有助于 精准研究疾病的发生、发展规律及针对性治疗策略。 —— 第8部分：心跳骤停数据。针对心跳骤停，建立专项数据集，深入剖析每种疾病的特征数 据，有助于精准研究疾病的发生、发展规律及针对性治疗策略。 —— 第9部分：休克数据。针对休克，建立专项数据集，深入剖析每种疾病的特征数据，有助于 精准研究疾 病的发生、发展规律及针对性治疗策略。 —— 第10部分：治疗数据。详细记录针对患者病情所采取的各种治疗手段及相关参数，反映治 疗过程与监测、诊断数据的动态关联。 —— 第11部分：康复与结局数据。用于评估治疗效果，为临床治疗方案的优化和预后判断提供 重要依据。 —— 第12部分：护理数据。聚焦于患者在 ICU期间的护理过程，补充了临床护理视角的数据， 完善了对患者整体诊疗过程的记录。 —— 第13部分：波形数据。以直观的图形形式展示监测数据的动态变化，辅助临床医生更敏锐 地捕捉病情变化。 DB34/T 5125.3 —2026 III —— 第14部分：数据安全与共享。则从保障数据安全和促进数 据合理利用的角度出发，制定数 据管理规范，确保数据在安全的前提下实现高效共享，发挥最大价值。各部分层层递进、相 互支撑，共同构成一个有机整体，全面、细致地呈现重症医学诊疗的全过程。 DB34/T 5125.3 —2026 1 重症医学数据集 第3部分：脓毒症数据 1 范围 本文件规定了 重症医学 脓毒症数据的数据元 数据属性、数据元 属性、数据元值域代码等内容。 本文件适用于医学 机构开展 脓毒症数据的 应用。 2 规范性引用文件 下列文件中的内容通过文中的规范性引用而构成本文件必不可少的条款。 其中， 注日期的引用文件， 仅该日期对应的版本适用于本文件；不注日期的引用文件，其最新版本（包括所有的修改单）适用于本 文件。 GB/T 2261.1 个人基本信息分类与代码 第1部分：人的性别代码 GB/T 2261.2 个人基本信息分类与代码 第2部分：婚姻状况代码 GB/T 3304 中国各民族名称的罗马字母拼写法和代码 WS/T 364.3 卫生健康信息数据元值域代码 第3部分：人口学及社会经济学特征 WS/T 364.12 卫生健康信息数据元值域代码 第12部分：计划与干预 WS/T 364.1 7 卫生健康信息数据元值域代码 第17部分：卫生健康管理 WS/T 370 卫生健康信息基本数据集编制标准 DB34/T 5125.1 重症医学数据集 第1部分：监测数据 3 术语和定义 DB34/T 5125.1 界定的以及下列术语和定义适用于本文件。 3.1 脓毒症 sepsis 因感染引起的宿主反应失调导致的危及生命的器官功能障碍 。 4 缩略语 下列缩略语适用于本文件。 AIDS：获得性免疫缺陷综合征 （Acquired Immune Deficiency Syndrome ） APACHE：急性生理与慢性健康评分 （Acute Physiology and Chronic Health Evaluation ） COPD：慢性阻塞性肺疾病 （Chronic Obstructive Pulmonary Diseases ） ICD：国际疾病分类 （International Classification of Diseases ） ICH：脑出血（Intracerebral Hemorrhage ） PEEP：呼气末正压 （Positive End Expiratory Pressure ） SAH：蛛网膜下腔出血 （Subarachnoid Hemorrhage ） SDH：硬膜下出血 （Subdural Hemorrhage ） SOFA：序贯器官衰竭评估 （Sequential Organ Failure Assessment ） DB34/T 5125.3 —2026 2 5 数据元数据属性 数据元数据属性包括但不限于 表1。 表1 数据元数据属性 元数据子集 元数据项 元数据值 标识信息子集 数据集标准名称 重症医学数据集 第3部分：脓毒症数据 数据集发布方 -单位名称 安徽省卫生健康委员会 关键词 脓毒症 数据集语种 中文 数据集分类 -类目名称 医疗服务-管理 内容信息子集 数据集摘要 对脓毒症数据的管理 数据集特征数据元 脓毒症一般症状为发热、体温异常、呼吸频率加快、心率增加等，液体 平衡和炎性指标异常，如机体水肿、血糖升高、白细胞、降钙素原、 C 反应蛋白升高，器官功能障碍为呼吸困难、肾功能恶化、少尿、腹胀、 肠鸣音消失、肠梗阻、凝血机制障碍、出血、黄疸、休克、周围性紫绀 等。 6 数据元属性 6.1 数据元公用属性 数据元公用属性 包括但不限于 表2。 表2 数据元公用属性 属性种类 数据元属性名称 属性值 标识类 版本 V1.0 注册机构 安徽省卫生健康委员会 相关环境 医疗服务 关系类 分类模式 分类法 管理类 主管机构 安徽省卫生健康委员会 注册状态 标准状态 提交机构 安徽