爱游戏体育app下载

      添加時間:2021/11/19 8:58:29

      主題一:護士主導的網絡過渡期護理計劃對2型糖尿病患者出院後血糖控制和生活質量的影響:一項隨機對照試驗

      Effects of a nurse led web-based transitional care program on the

      glycemic control and quality of life post hospital discharge in patients with type 2 diabetes: A randomized controlled trial

      背景:出院後的2型糖尿病患者有患嚴重併發症的風險。基於網絡的過渡性護理是一種很有前景的幹預措施,然而,其是否可以改善這一羣體的血糖控制和生活質量仍然未知。此外,幹預措施與血糖控制和生活質量之間關係的潛在機制尚未得到充分探索。 目標:本研究的目的是開發一個基於網絡的過渡護理計劃並評估其對中國2型糖尿病患者血糖控制和生活質量的影響,並探討自我效能和治療依從性的中介作用。  設計:隨機對照試驗。  設置和參與者:這項研究是在中國廣州市的一家大型區域醫院進行的,參與者爲2型糖尿病患者。  方法:共有116名符合條件的參與者被隨機分配接受爲期3個月的基於網絡的過渡護理計劃或常規護理。在基線和3個月時對糖化血紅蛋白(HbA1c)、自我效能、治療依從性和生活質量進行評估。分析遵循意向性治療原則。使用廣義估計方程來確定幹預對HbA1c和生活質量的影響。路徑分析用於評估幹預期間自我效能和治療依從性的變化對這些影響的中介作用。  結果:與對照組相比,幹預組的參與者在HbA1c(β=2.87p<0.01)和生活質量(β=7.69p<0.01)方面有顯着改善。幹預與血糖控制和生活質量之間的關係顯着受改善的自我效能(間接影響:β=0.18p<0.05)和改善治療依從性(間接影響:β=0.17p<0.05);總體而言,該模型解釋了HbA1c方差的52.5%和生活質量方差的34.2%  結論:我們的研究確定了基於網絡的過渡護理計劃對2型糖尿病患者出院後的血糖控制和生活質量的有益影響,以及潛在的中介機制。這一基於網絡的幹預計劃的有效性和可行性表明,應在社區環境中推廣其應用,以減少2型糖尿病患者的不良結局。


      主題二:綠茶漱口水對口腔癌患者口腔健康狀況的改善效果:單盲隨機對照試驗

      Effectiveness of green tea mouthwash for improving oral health status in oral cancer patients: A single-blind randomized controlled trial

      背景:癌症治療引起的疼痛性口腔粘膜炎或牙關緊閉降低了患者的治療意願,最終導致口腔健康狀況不佳。使用漱口液和清潔舌頭是改善口腔健康狀況的常用方法。目的:評價綠茶漱口液改善正在接受癌症治療的口腔癌患者的口腔健康狀況效果。設計:這是一項單盲、隨機、對照試驗。方法:在20187月至20206月在臺灣嘉義,一所提供專門的癌症治療的區域性教學醫院。參與者:共有63名患者符合以下標準:>20歲;癌症患者新診斷爲口腔健康狀況不佳;一個月內接受口腔手術治療;並完成隨訪,有無化療或放療都可。排除標準爲精神疾病;急症、病情嚴重,;完全缺失牙齒;口腔無法張開超過1釐米的患者。方法:將患者隨機分爲2組:綠茶漱口液組(幹預組)或自來水(對照)組。每次刷牙後,幹預組用100毫升綠茶溶液漱口60秒,對照組用100毫升綠茶溶液漱口60秒,研究工具:根據《口腔評估指南》進行評估,並在基線檢查時進行測量並由同一名護士每月門診隨訪至六個月。結果:幹預組31例,對照組30例分析t檢驗結果表明,與基線相比,口腔健康狀況有所改善術後4個月,幹預組的病情明顯好於對照組。在幹預開始後46個月,幹預組患者的口腔健康狀況評分較對照組顯著降低1.712.972.93分。結論:持續的使用綠茶漱口液可以改善和維持口腔健康狀況。綠茶漱口液是一種簡單、自然、有效和安全的幹預措施應該被認爲是一種保護口腔粘膜的非藥物治療選擇。


      主題三:使用電子健康記錄對醫院內壓力傷害發展進行基於機器的學習預測:日本大學醫院回顧性觀察隊列研究

      Supervised machine learning-based prediction for in-hospital pressure injury development using electronic health records: A retrospective observational cohort study in a university hospital in Japan

      背景:在醫院,護士負責使用多種風險評估量表進行壓力性損傷風險評估。然而,它們的預測有效性不足以爲每個患者啓動有針對性的預防策略。使用具有機器學習技術的電子健康記錄是提供自動化臨牀決策輔助的有前途的策略。目的:本研究的目的是構建壓力性損傷發展的預測模型,其中包括可以在患者住院第一天由護士輸入電子健康記錄時收集的特徵變量。研究類型:回顧性觀察隊列研究。環境:這項研究是在日本的一家大學醫院進行的。參與者:本研究使用電子健康記錄,包括入/出院記錄、基本護理記錄和壓力性損傷管理文件(N= 75,353)。方法:結果測量是在手術室外發生的壓力損傷,並且經常出現在壓力損傷發生的高風險的特定身體部位。我們使用了四個主要分類器:邏輯迴歸、隨機森林、線性支持向量機和具有 5 折交叉驗證技術的極端梯度提升 (XGBoost)ROC曲線下面積 (AUC) 用於評估預測性能。 結果:醫院獲得性壓力性損傷的比例爲0.52%ROC曲線顯示 XGBoost 模型的最佳預測性能,在四種分類器中實現了 0.78±0.03 的最高靈敏度和0.80±0.02 AUC。與日常生活活動困難、厭食、呼吸或心臟疾病相關的變量被提取爲重要特徵。結論:我們的研究結果表明,護士在患者入院第一天定期收集的健康數據有可能幫助確定發生壓力性損傷的高危患者。



      })