夜雨聆风在医疗质量监管日益精细化的今天，医院向卫生健康委员会定期上报各类敏感运营与临床指标，已成为常态化工作。这些指标包括剖宫产率、抗菌药物使用强度、院内感染发生率、平均住院日等，直接关系到医院评审、绩效考核与政策支持。但传统「一刀切」的阈值告警方式，例如「剖宫产率超过 50% 就触发报警」，存在明显盲区：它无法识别缓慢漂移、人为微调、周期性掩盖等「统计异常但文本合规」的隐蔽操控行为。这类行为虽不违反字面规则，却可能扭曲真实医疗质量图景，影响监管决策的科学性。
regulatory-metric-spc-sentry 正是为此类问题而生。它不是通用监控平台，也不是宽泛的数据看板，而是一款聚焦于「监管级指标可信度验证」的轻量级开源工具。项目以统计过程控制（SPC）理论为根基，通过 EWMA（指数加权移动平均）控制图动态构建各指标的历史基线，并结合 Western Electric 多重告警规则，自动识别偏离自然变异模式的异常信号。其输出既可嵌入日常运维流程（CLI 快速扫描），也可支撑管理决策（HTML 控制图与 Web 仪表盘），真正实现从「数据上报」到「数据可信」的关键跃迁。
项目概述：定位清晰、场景明确的医疗质控辅助工具
该项目名称中的关键词已揭示其核心使命：regulatory（监管）、metric（指标）、SPC（统计过程控制）、sentry（哨兵）。它不替代医院信息系统或卫健委直报平台，而是作为一层独立的「数据健康检查层」，运行在本地或私有服务器上，对已导出的结构化指标数据进行二次分析。
- 目标用户明确
医院信息科、质控办、医务处等负责指标汇总与上报的团队；第三方审计机构或区域卫生信息平台的技术支持人员。 - 输入数据轻量
仅需标准 CSV 或 Excel 文件，字段简洁（指标名、日期、数值），无需对接数据库或 API。 - 输出形态灵活
支持命令行彩色提示（适合每日巡检）、JSON 结构化报告（便于集成进其他系统）、静态 HTML 控制图（可邮件分发）、以及交互式 Web 仪表盘（支持多指标并行观测）。 - 开箱即用但可深度定制
提供默认参数，也支持 YAML 配置文件精细调控 EWMA 衰减因子、控制限倍数、告警规则组合，甚至定义疫情封控期等特殊事件的临时策略放宽。
整个项目采用 Python + TypeScript 双语言架构，分工清晰：Python 层专注数据加载、SPC 计算与规则引擎；TypeScript 层负责 CLI 交互体验与 Web 可视化服务。这种设计兼顾了科学计算的准确性与前端交互的友好性，也降低了不同技术背景使用者的入门门槛。
技术亮点：用经典统计方法解决现实监管难题
本项目并非追逐算法新潮，而是将成熟、稳健、可解释的统计学工具落地到具体业务场景中。其技术价值体现在三个层面：
EWMA 控制图的务实应用相比传统 Shewhart 控制图，EWMA 对过程均值的小幅偏移更敏感，且天然适配医疗指标常见的非强周期性、低频次上报（如月报）特点。项目将 λ（衰减因子）设为默认 0.3，意味着新数据权重约 30%，历史基线保留 70% 影响力，平衡了响应速度与稳定性。
Western Electric 规则的完整实现不止于「单点超限」这一基础规则，项目内置五类专业判异规则：连续 8 点同侧、连续 6 点单调上升/下降、2N 点中 N+1 点落在同一侧等。每项规则均可独立启停，并配置触发阈值，使告警结果更具临床与管理语义。
面向真实工作流的工程设计支持 Excel 多 Sheet 批量导入，适配医院常见报表格式；提供指标别名映射，解决「DDD」「剖宫产」等非标命名问题；内置特殊事件配置，允许在政策调整、重大公共卫生事件期间临时放宽控制限，避免误报干扰判断；通知模块预留邮件与钉钉机器人接口，支持 CRITICAL 级别告警自动推送。
此外，项目结构清晰分层，Python 代码集中在 src/python/spc/ 下实现基线计算、控制限推导与规则判定，逻辑透明可审计；Web 服务基于 Express 构建，前端图表使用轻量方案，确保低资源占用与快速启动。
应用场景：可用于医院质控闭环管理的多个环节
本项目适用于需要提升指标数据可信度与过程透明度的多种典型场景：
日常指标巡检质控人员每日执行一条 CLI 命令，即可获得带颜色标识的异常摘要，快速定位需复核的指标与时间点，大幅压缩人工筛查时间。
上报前数据自检在向卫健委正式提交月报前，运行本地分析，提前发现潜在异常模式，避免因统计漂移导致的后续核查压力。
历史趋势深度回溯利用 HTML 控制图或 Web 仪表盘，回看某项指标（如抗菌药物使用强度）过去两年的 EWMA 曲线与控制限，直观识别拐点、平台期或持续上升段，辅助归因分析。
专项整改效果评估在开展「降低剖宫产率」或「缩短平均住院日」等专项行动后，将整改期数据纳入分析，观察 EWMA 曲线是否回归受控状态，量化干预成效。
区域平台辅助监管卫健委下属信息中心可批量接入辖区内多家医院的导出数据，统一运行分析，生成区域级异常热力图，聚焦高风险单位与共性问题，提升监管靶向性。
需要强调的是，本项目不生成诊疗建议，也不替代临床专家判断。它的角色是「数据守门人」，帮助使用者回答一个基础但关键的问题：当前指标数值，是否仍处于其自身历史规律所允许的合理波动范围内？
使用指南：三步上手，兼顾新手与进阶需求
项目提供了多条使用路径，满足不同习惯与环境需求。
第一步：环境准备与安装
确保系统已安装 Python 3.8+ 与 Node.js 16+，然后分别安装依赖：
pip install -r requirements.txtnpm install第二步：快速试用示例数据
项目自带 data/samples/ 目录下的测试数据。运行以下任一命令即可看到效果：
python -m src.python.main --data data/samples/ --format clinpx regulatory-metric-spc-sentry --data data/samples/ --format html --output report.htmlnpm start访问 http://localhost:3000 即可打开 Web 仪表盘，所有示例指标将自动加载并绘制控制图。
第三步：按需定制分析逻辑
对于实际业务，推荐使用 YAML 配置文件统一管理参数。先复制模板：
cp config.example.yaml config.yaml编辑 config.yaml，例如为「剖宫产率」单独设置更敏感的 λ 值，或为「疫情封控期」添加特殊事件：
lambda_: 0.2special_events: - name: "疫情封控" start_date: "2022-06-01" end_date: "2022-08-31" 放宽倍数: 1.5metric_aliases: "剖宫产": "剖宫产率"再运行：
python -m src.python.main --data your_data_folder/ --config config.yaml --format json --output analysis.json此时输出的 JSON 报告将包含每个指标的基线参数、控制限、所有触发的告警规则及严重等级（WARNING / CRITICAL），可供进一步处理或存档。
总结：让监管指标回归数据本真
在数据驱动决策成为共识的今天，指标本身的质量往往比分析模型更重要。regulatory-metric-spc-sentry 没有试图构建大而全的平台，而是选择在一个具体、高频、高价值的痛点上深挖：如何让卫健委上报指标的每一次波动，都经得起统计学的审视。它用可复现的 EWMA 公式代替主观经验，用可配置的 Western Electric 规则代替简单阈值，用 CLI、HTML、Web 三种形态覆盖从一线操作到管理汇报的全链路。
项目采用 MIT 开源协议，代码结构清晰，文档详实，无商业闭源组件，具备良好的二次开发与本地化适配基础。无论是医院信息科技术人员，还是区域卫生信息平台开发者，都能基于此项目快速构建起属于自己的指标健康监测能力。
项目当前免费开源，若您对项目有疑问、使用上的困惑或想深入交流，欢迎私信我们，或加入社群讨论。
项目地址：
https://github.com/nexorin9/regulatory-metric-spc-sentry
国内仓库：
https://gitee.com/nexorin9/regulatory-metric-spc-sentry
欢迎交流使用问题，也欢迎提交 Issue 或 Pull Request 共同完善。
