摘要目的:基于实时监测数据构建医疗设备预测性维护模型,以提升医疗设备管理精准性和临床服务质量.方法:采集设备运行、环境、故障、使用及患者诊疗数据,基于One-class SVM算法进行潜在故障识别构建医疗设备预测性维护模型,依据风险等级制定分级维护策略对设备进行管理.选取2021年至2024年北部战区总医院临床在用的2 260台医疗设备,将2021年至2022年2 035台设备采用传统维护管理模式,2023年至2024年2 078台设备(含传统维护管理模式在用的1 853台和新增加的225台设备)采用医疗设备预测性维护模型管理模式(预测维护管理模式),对比两种管理模式下设备运行效率、维护管理效益和临床服务质量.采用自制满意度问卷对设备使用人员进行设备临床服务满意度调研.结果:采用预测维护管理模式的设备正常运行时长为(55.13±19.32)d,多于传统维护管理模式的(34.83±8.04)d,差异有统计学意义(t=3.361,P＜0.05);故障发生频次、设备平均停机时长占比和关键参数异常检测频次分别为(0.52±0.27)次·月-1·台-1、(2.72±0.80)%和(1.21±0.72)次·月-1·项-1,均低于传统维护管理模式,差异均有统计学意义(t=3.312、4.396、4.970,P＜0.05);设备平均维护成本降幅和库存周转频次均高于传统维护管理模式,差异均有统计学意义(t=4.016、4.732,P＜0.05);维护管理工时和应急维修频次均低于传统维护管理模式,差异均有统计学意义(t=5.121、4.137,P＜0.05);设备安全事件发生频次低于传统维护管理模式,差异有统计学意义(t=6.316,P＜0.05);平均故障预警准确率高于传统维护管理模式,差异有统计学意义(t=7.043,P＜0.05).设备使用人员对采用预测维护管理模式的设备临床服务满意度评分高于传统维护管理模式,差异有统计学意义(t=4.241,P＜0.05).结论:基于实时监测数据的医疗设备预测性维护模型应用,能够提高设备运行效率和维护管理效益,提升设备临床服务质量和设备使用人员满意度.