تجزيه‌ و تحليل سناريوي نشت اكسيژن در واحد اكسيژن ساز بيمارستان به روش آناليز درخت خطا و شبكه بيزين فازي

Analysis of Oxygen Release Scenario in Central Oxygen Unit of the Hospital through Fault Tree Analysis Method and Fuzzy Bayesian Network

مقدمه: واحد اكسيژن ساز بيمارستان يكي از بخش‌هاي مهم و حياتي بيمارستان بوده كه وظيفه تأمين اكسيژن را بر عهده دارد. هرگونه نشت اكسيژن، علاوه بر قطع اكسيژن و عدم تأمين اكسيژن موردنياز بيماران، ممكن است باعث انفجار، آتش‌سوزي و خسارات جاني و مالي گردد. ارزيابي ريسك مي‌تواند ما را در پيشگيري از چنين حوادثي ياري نمايد. هدف از اين مطالعه تجزيه‌وتحليل سناريوي نشت اكسيژن در واحد اكسيژن ساز بيمارستان با استفاده از تلفيق روش‌هاي آناليز درخت خطا و شبكه بيزين فازي است. روش كار: ابتدا، تمامي رويدادهاي پايه با پتانسيل ايجاد نشت اكسيژن شناسايي شدند. سپس، درخت خطا نشت اكسيژن طراحي و ترسيم گرديد. اين درخت خطا در شبكه‌هاي بيزين نگاشت گرديد. با استفاده از منطق فازي احتمال رويدادهاي پايه تعيين و با استفاده از تحليل شبكه بيزين مهم‌ترين فاكتورهاي اثرگذار بر سناريوي نشت اكسيژن تعيين شدند. يافته ها: بر اساس نتايج اين مطالعه، ناديده گرفتن علامت‌گذاري‌ها مهم‌ترين رويداد پايه اثرگذار بر روي نشت از خط لوله و عدم قراردهي ماسك بر روي دهان بيمار مهم‌ترين دليل نشت اكسيژن در اتاق بيمار بوده است. در صورت وجود منابع حرارتي و شعله‌اي، نشت اكسيژن مي‌تواند منجر به آتش‌سوزي يا انفجار گردد. نتيجه گيري: نشت اكسيژن مي‌تواند خطرات قابل‌توجهي را در بيمارستان‌ها به وجود آورد؛ بنابراين، آموزش كاركنان درزمينۀ خطرات نشت اكسيژن ضروري به نظر مي‌رسد. همچنين بايد به اين نشت‌ها و پيامدهاي منفي آن در برنامه‌ريزي‌هاي اضطراري و مديريت بحران بيمارستان توجه ويژه‌اي شود.

Introduction: Oxygen-generating central plays a vital role in the continuous performance of hospitals. Any leakage or failure in this section can not only endanger the health and safety of patients but also cause fire and explosion. Probabilistic risk assessment is a useful tool for identifying the main root causes of leakage in oxygen-generating central. This study aimed at risk assessment of an oxygen-generating central in a hospital in Hamadan using fuzzy sets theory and Bayesian networks. Material and Methods: First, all root causes supposed to contribute to oxygen leakage from any part of the oxygen-generating central were identified, and based on them a fault tree analysis (FTA) was constructed. Then, the FTA was mapped in a BN. The failure probability of root causes was calculated using fuzzy sets theory and experts’ opinions. Belief updating based on BN was utilized for subsequent analyses. Results: According to this study, ignorance of labels on the oxygen generation and distribution system is the most important root cause leading to oxygen leakage. Moreover, removing masks from patient’s faces is the main cause of oxygen leakage in patient rooms. Once leakage occurred, the presence of an ignition source can lead to fire or explosion. Conclusion: oxygen leakage can create considerable risks in hospitals. All staff should be provided with sufficient training regarding hazards of oxygen-generating and distributing systems and oxygen leakage. Particular attention should be paid to such leakages and their adverse consequence in emergency planning and hospital crisis management.