太阳集团娱乐场登陆网站-welcome

太阳集团娱乐场登陆网站研究生学术沙龙(第八期)学术简报

添加时间:2021/11/19 8:58:29

主题一:护士主导的网络过渡期护理计划对2型糖尿病患者出院后血糖控制和生活质量的影响:一项随机对照试验

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:出院后的2型糖尿病患者有患严重并发症的风险。基于网络的过渡性护理是一种很有前景的干预措施,然而,其是否可以改善这一群体的血糖控制和生活质量仍然未知。此外,干预措施与血糖控制和生活质量之间关系的潜在机制尚未得到充分探索。 目标:本研究的目的是开发一个基于网络的过渡护理计划并评估其对中国2型糖尿病患者血糖控制和生活质量的影响,并探讨自我效能和治疗依从性的中介作用。  设计:随机对照试验。  设置和参与者:这项研究是在中国广州市的一家大型区域医院进行的,参与者为2型糖尿病患者。  方法:共有116名符合条件的参与者被随机分配接受为期3个月的基于网络的过渡护理计划或常规护理。在基线和3个月时对糖化血红蛋白(HbA1c)、自我效能、治疗依从性和生活质量进行评估。分析遵循意向性治疗原则。使用广义估计方程来确定干预对HbA1c和生活质量的影响。路径分析用于评估干预期间自我效能和治疗依从性的变化对这些影响的中介作用。  结果:与对照组相比,干预组的参与者在HbA1c(β=2.87p<0.01)和生活质量(β=7.69p<0.01)方面有显着改善。干预与血糖控制和生活质量之间的关系显着受改善的自我效能(间接影响:β=0.18p<0.05)和改善治疗依从性(间接影响:β=0.17p<0.05);总体而言,该模型解释了HbA1c方差的52.5%和生活质量方差的34.2%  结论:我们的研究确定了基于网络的过渡护理计划对2型糖尿病患者出院后的血糖控制和生活质量的有益影响,以及潜在的中介机制。这一基于网络的干预计划的有效性和可行性表明,应在社区环境中推广其应用,以减少2型糖尿病患者的不良结局。


主题二:绿茶漱口水对口腔癌患者口腔健康状况的改善效果:单盲随机对照试验

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

背景:癌症治疗引起的疼痛性口腔粘膜炎或牙关紧闭降低了患者的治疗意愿,最终导致口腔健康状况不佳。使用漱口液和清洁舌头是改善口腔健康状况的常用方法。目的:评价绿茶漱口液改善正在接受癌症治疗的口腔癌患者的口腔健康状况效果。设计:这是一项单盲、随机、对照试验。方法:在20187月至20206月在台湾嘉义,一所提供专门的癌症治疗的区域性教学医院。参与者:共有63名患者符合以下标准:>20岁;癌症患者新诊断为口腔健康状况不佳;一个月内接受口腔手术治疗;并完成随访,有无化疗或放疗都可。排除标准为精神疾病;急症、病情严重,;完全缺失牙齿;口腔无法张开超过1厘米的患者。方法:将患者随机分为2组:绿茶漱口液组(干预组)或自来水(对照)组。每次刷牙后,干预组用100毫升绿茶溶液漱口60秒,对照组用100毫升绿茶溶液漱口60秒,研究工具:根据《口腔评估指南》进行评估,并在基线检查时进行测量并由同一名护士每月门诊随访至六个月。结果:干预组31例,对照组30例分析t检验结果表明,与基线相比,口腔健康状况有所改善术后4个月,干预组的病情明显好于对照组。在干预开始后46个月,干预组患者的口腔健康状况评分较对照组显著降低1.712.972.93分。结论:持续的使用绿茶漱口液可以改善和维持口腔健康状况。绿茶漱口液是一种简单、自然、有效和安全的干预措施应该被认为是一种保护口腔粘膜的非药物治疗选择。


主题三:使用电子健康记录对医院内压力伤害发展进行基于机器的学习预测:日本大学医院回顾性观察队列研究

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:在医院,护士负责使用多种风险评估量表进行压力性损伤风险评估。然而,它们的预测有效性不足以为每个患者启动有针对性的预防策略。使用具有机器学习技术的电子健康记录是提供自动化临床决策辅助的有前途的策略。目的:本研究的目的是构建压力性损伤发展的预测模型,其中包括可以在患者住院第一天由护士输入电子健康记录时收集的特征变量。研究类型:回顾性观察队列研究。环境:这项研究是在日本的一家大学医院进行的。参与者:本研究使用电子健康记录,包括入/出院记录、基本护理记录和压力性损伤管理文件(N= 75,353)。方法:结果测量是在手术室外发生的压力损伤,并且经常出现在压力损伤发生的高风险的特定身体部位。我们使用了四个主要分类器:逻辑回归、随机森林、线性支持向量机和具有 5 折交叉验证技术的极端梯度提升 (XGBoost)ROC曲线下面积 (AUC) 用于评估预测性能。 结果:医院获得性压力性损伤的比例为0.52%ROC曲线显示 XGBoost 模型的最佳预测性能,在四种分类器中实现了 0.78±0.03 的最高灵敏度和0.80±0.02 AUC。与日常生活活动困难、厌食、呼吸或心脏疾病相关的变量被提取为重要特征。结论:我们的研究结果表明,护士在患者入院第一天定期收集的健康数据有可能帮助确定发生压力性损伤的高危患者。



})