CN113270175A - 一种护理技能提升方法及系统 - Google Patents
一种护理技能提升方法及系统 Download PDFInfo
- Publication number
- CN113270175A CN113270175A CN202110532649.8A CN202110532649A CN113270175A CN 113270175 A CN113270175 A CN 113270175A CN 202110532649 A CN202110532649 A CN 202110532649A CN 113270175 A CN113270175 A CN 113270175A
- Authority
- CN
- China
- Prior art keywords
- nursing
- skill
- feature
- care
- result
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Withdrawn
Links
- 230000000474 nursing effect Effects 0.000 title claims abstract description 242
- 238000000034 method Methods 0.000 title claims abstract description 57
- 238000011156 evaluation Methods 0.000 claims abstract description 151
- 238000012549 training Methods 0.000 claims abstract description 39
- 238000012544 monitoring process Methods 0.000 claims abstract description 37
- 230000006872 improvement Effects 0.000 claims abstract description 25
- 230000008859 change Effects 0.000 claims description 46
- 238000004458 analytical method Methods 0.000 claims description 20
- 238000004590 computer program Methods 0.000 claims description 10
- 238000004891 communication Methods 0.000 claims description 8
- 230000008569 process Effects 0.000 claims description 8
- 206010034719 Personality change Diseases 0.000 claims description 6
- 230000001815 facial effect Effects 0.000 claims description 3
- 230000036651 mood Effects 0.000 claims description 2
- 230000009897 systematic effect Effects 0.000 abstract description 6
- 230000000694 effects Effects 0.000 description 18
- 238000010586 diagram Methods 0.000 description 10
- 238000013527 convolutional neural network Methods 0.000 description 7
- 230000006870 function Effects 0.000 description 7
- 238000012545 processing Methods 0.000 description 6
- 201000010099 disease Diseases 0.000 description 5
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 5
- 239000003814 drug Substances 0.000 description 5
- 230000036541 health Effects 0.000 description 5
- 238000007726 management method Methods 0.000 description 5
- 238000012986 modification Methods 0.000 description 5
- 230000004048 modification Effects 0.000 description 5
- 238000003062 neural network model Methods 0.000 description 5
- 238000013528 artificial neural network Methods 0.000 description 4
- 230000037396 body weight Effects 0.000 description 4
- 238000010276 construction Methods 0.000 description 4
- 230000002996 emotional effect Effects 0.000 description 4
- 230000014509 gene expression Effects 0.000 description 4
- 238000005259 measurement Methods 0.000 description 4
- 210000002569 neuron Anatomy 0.000 description 4
- 238000003860 storage Methods 0.000 description 4
- 229940079593 drug Drugs 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000002559 palpation Methods 0.000 description 3
- CSNNHWWHGAXBCP-UHFFFAOYSA-L Magnesium sulfate Chemical compound [Mg+2].[O-][S+2]([O-])([O-])[O-] CSNNHWWHGAXBCP-UHFFFAOYSA-L 0.000 description 2
- 208000018525 Postpartum Hemorrhage Diseases 0.000 description 2
- 230000009471 action Effects 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 238000001802 infusion Methods 0.000 description 2
- 230000035764 nutrition Effects 0.000 description 2
- 235000016709 nutrition Nutrition 0.000 description 2
- 230000035479 physiological effects, processes and functions Effects 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 206010067484 Adverse reaction Diseases 0.000 description 1
- 206010003497 Asphyxia Diseases 0.000 description 1
- XNOPRXBHLZRZKH-UHFFFAOYSA-N Oxytocin Natural products N1C(=O)C(N)CSSCC(C(=O)N2C(CCC2)C(=O)NC(CC(C)C)C(=O)NCC(N)=O)NC(=O)C(CC(N)=O)NC(=O)C(CCC(N)=O)NC(=O)C(C(C)CC)NC(=O)C1CC1=CC=C(O)C=C1 XNOPRXBHLZRZKH-UHFFFAOYSA-N 0.000 description 1
- 101800000989 Oxytocin Proteins 0.000 description 1
- 102100031951 Oxytocin-neurophysin 1 Human genes 0.000 description 1
- 230000006838 adverse reaction Effects 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 210000004556 brain Anatomy 0.000 description 1
- 230000003925 brain function Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 230000005284 excitation Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000008921 facial expression Effects 0.000 description 1
- 230000001605 fetal effect Effects 0.000 description 1
- 238000007667 floating Methods 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 229910052943 magnesium sulfate Inorganic materials 0.000 description 1
- 235000019341 magnesium sulphate Nutrition 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 210000005036 nerve Anatomy 0.000 description 1
- 238000005312 nonlinear dynamic Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- XNOPRXBHLZRZKH-DSZYJQQASA-N oxytocin Chemical compound C([C@H]1C(=O)N[C@H](C(N[C@@H](CCC(N)=O)C(=O)N[C@@H](CC(N)=O)C(=O)N[C@@H](CSSC[C@H](N)C(=O)N1)C(=O)N1[C@@H](CCC1)C(=O)N[C@@H](CC(C)C)C(=O)NCC(N)=O)=O)[C@@H](C)CC)C1=CC=C(O)C=C1 XNOPRXBHLZRZKH-DSZYJQQASA-N 0.000 description 1
- 229960001723 oxytocin Drugs 0.000 description 1
- 230000009984 peri-natal effect Effects 0.000 description 1
- 210000002640 perineum Anatomy 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000011176 pooling Methods 0.000 description 1
- 238000005201 scrubbing Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H40/00—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices
- G16H40/20—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the management or administration of healthcare resources or facilities, e.g. managing hospital staff or surgery rooms
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06398—Performance of employee with respect to a job function
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/20—Education
- G06Q50/205—Education administration or guidance
- G06Q50/2057—Career enhancement or continuing education service
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/174—Facial expression recognition
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/20—Movements or behaviour, e.g. gesture recognition
- G06V40/23—Recognition of whole body movements, e.g. for sport training
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/20—Movements or behaviour, e.g. gesture recognition
- G06V40/28—Recognition of hand or arm movements, e.g. recognition of deaf sign language
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- General Health & Medical Sciences (AREA)
- Educational Administration (AREA)
- General Business, Economics & Management (AREA)
- Strategic Management (AREA)
- Data Mining & Analysis (AREA)
- Multimedia (AREA)
- Economics (AREA)
- Human Computer Interaction (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Tourism & Hospitality (AREA)
- Biomedical Technology (AREA)
- General Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Educational Technology (AREA)
- Evolutionary Computation (AREA)
- Biophysics (AREA)
- Primary Health Care (AREA)
- Psychiatry (AREA)
- Social Psychology (AREA)
- Molecular Biology (AREA)
- Computational Linguistics (AREA)
- Entrepreneurship & Innovation (AREA)
- Development Economics (AREA)
- Mathematical Physics (AREA)
- Computing Systems (AREA)
- Software Systems (AREA)
- Marketing (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Epidemiology (AREA)
- Medical Informatics (AREA)
- Public Health (AREA)
Abstract
一种护理技能提升方法及系统,所述方法包括:获得第一护理人员的基础信息;根据所述基础信息获得第一技能标准;根据所述第一技能标准对所述第一护理人员进行技能掌握度评估,获得第一技能掌握度评估结果;通过所述第一图像采集装置获得所述第一护理人员的第一图像集;通过所述第一图像集对所述第一护理人员的护理情况进行评估,获得第二评估结果;将所述第一技能掌握度评估结果和所述第二评估结果输入所述护理监测评估系统,获得第一评估方案;基于所述第一评估方案对所述第一护理人员进行护理技能训练。解决了现有技术中存在主观评估不够全面与准确,进而无法制定个体化较强,系统的护理技能提升方案的技术问题。
Description
技术领域
本发明涉及医学护理相关技术领域,具体涉及一种护理技能提升方法及系统。
背景技术
护理是一门运用科学,护理人员需要有条理、有目的、有计划的完成基础或常规护理,观察了解病人体表体重基础情况,根据病情变化监测或获取病情数据,以配合医生完成对病人的治疗,加强输液巡视和教育,及时处理医疗纠纷,防止医疗事故的发生;开展危重症生命体征监测、标本采集、体重营养定期采集分析,并从生理心理、社会文化和精神诸方面,照顾病人的生活起居,日常活动、用药和安全等问题。
护理工作是整个医疗卫生工作的重要组成部分,但它又是有其自身的相对独立性和特殊性,护理人员的道德水平如何,关系到能否协调医生、护士、病人三者的关系,直接影响着医疗质量。护理工作的质量直接关系到患者的医疗安全、治疗效果和身体康复;护理人员的职业素质、服务态度、言谈举止也直接影响着患者的心理感受和医患关系的和谐,所以专业化高的护理人员是不可或缺的,目前的护理技能培训主要是经过学校教育学习全面的护理知识,再通过师徒制和技能考试进行提升,现有技术中护理技能评估是相关老师根据经验主观判断指出不足,进而由护理人员学习提升。
但本申请发明人在实现本申请实施例中发明技术方案的过程中,发现上述技术至少存在如下技术问题:
现有技术中存在主观评估不够全面与准确,进而无法制定个体化较强,系统的护理技能提升方案的技术问题。
发明内容
本申请实施例提供了一种护理技能提升方法及系统,解决了现有技术中存在主观评估不够全面与准确,进而无法制定个体化较强,系统的护理技能提升方案的技术问题。通过对护理人员的技能和护理质量的综合信息收集,进行智能化分析,达到了得到全面且准确的评估方案,进而根据评估方案进行个体化较强的护理提升学习的技术效果。
鉴于上述问题,本申请实施例提供了一种护理技能提升方法及系统。
第一方面,本申请实施例提供了一种护理技能提升方法,其中,所述方法应用于一护理监测分析系统,所述系统与第一图像采集装置通信连接,所述方法包括:获得第一护理人员的基础信息;根据所述基础信息获得第一技能标准,其中,所述第一技能标准为所述第一护理人员规定掌握技能的标准;根据所述第一技能标准对所述第一护理人员进行技能掌握度评估,获得第一技能掌握度评估结果;通过所述第一图像采集装置获得所述第一护理人员的第一图像集,其中,所述第一图像集为所述第一护理人员在进行患者护理时的护理图像集;通过所述第一图像集对所述第一护理人员的护理情况进行评估,获得第二评估结果,其中,所述第二评估结果至少包括熟练度评估结果和护理态度评估结果;将所述第一技能掌握度评估结果和所述第二评估结果输入所述护理监测评估系统,获得第一评估方案;基于所述第一评估方案对所述第一护理人员进行护理技能训练。
另一方面,本申请实施例提供了一种护理技能提升系统,所述系统与第一图像采集装置通信连接,所述系统包括:第一获得单元,所述第一获得单元用于获得第一护理人员的基础信息;第二获得单元,所述第二获得单元用于根据所述基础信息获得第一技能标准,其中,所述第一技能标准为所述第一护理人员规定掌握技能的标准;第三获得单元,所述第三获得单元用于根据所述第一技能标准对所述第一护理人员进行技能掌握度评估,获得第一技能掌握度评估结果;第四获得单元,所述第四获得单元用于通过所述第一图像采集装置获得所述第一护理人员的第一图像集,其中,所述第一图像集为所述第一护理人员在进行患者护理时的护理图像集;第五获得单元,所述第五获得单元用于通过所述第一图像集对所述第一护理人员的护理情况进行评估,获得第二评估结果,其中,所述第二评估结果至少包括熟练度评估结果和护理态度评估结果;第六获得单元,所述第六获得单元用于将所述第一技能掌握度评估结果和所述第二评估结果输入所述护理监测评估系统,获得第一评估方案;第一训练单元,所述第一训练单元用于基于所述第一评估方案对所述第一护理人员进行护理技能训练。
第三方面,本申请实施例提供了一种护理技能提升系统,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其中,所述处理器执行所述程序时实现第一方面任一项所述方法的步骤。
本申请实施例中提供的一个或多个技术方案,至少具有如下技术效果或优点:
由于采用了通过获得第一护理人员的基础信息;根据所述基础信息获得第一技能标准,其中,所述第一技能标准为所述第一护理人员规定掌握技能的标准;根据所述第一技能标准对所述第一护理人员进行技能掌握度评估,获得第一技能掌握度评估结果;通过所述第一图像采集装置获得所述第一护理人员的第一图像集,其中,所述第一图像集为所述第一护理人员在进行患者护理时的护理图像集;通过所述第一图像集对所述第一护理人员的护理情况进行评估,获得第二评估结果,其中,所述第二评估结果至少包括熟练度评估结果和护理态度评估结果;将所述第一技能掌握度评估结果和所述第二评估结果输入所述护理监测评估系统,获得第一评估方案;基于所述第一评估方案对所述第一护理人员进行护理技能训练的技术方案。通过对护理人员的技能和护理质量的综合信息收集,进行智能化分析,达到了得到全面且准确的评估方案,进而根据评估方案进行个体化较强的护理提升学习的技术效果。
上述说明仅是本申请技术方案的概述,为了能够更清楚了解本申请的技术手段,而可依照说明书的内容予以实施,并且为了让本申请的上述和其它目的、特征和优点能够更明显易懂,以下特举本申请的具体实施方式。
附图说明
图1为本申请实施例一种护理技能提升方法的流程示意图;
图2为本申请实施例一种护理技能提升系统的结构示意图;
图3为本申请实施例示例性电子设备的结构示意图。
附图标记说明:第一获得单元11,第二获得单元12,第三获得单元13,第四获得单元14,第五获得单元15,第六获得单元16,第一训练单元17,总线300,接收器301,处理器302,发送器303,存储器304,总线接口305。
具体实施方式
本申请实施例提供了一种护理技能提升方法及系统,解决了现有技术中存在主观评估不够全面与准确,进而无法制定个体化较强,系统的护理技能提升方案的技术问题。通过对护理人员的技能和护理质量的综合信息收集,进行智能化分析,达到了得到全面且准确的评估方案,进而根据评估方案进行个体化较强的护理提升学习的技术效果。下面,将参考附图详细的描述根据本申请的示例实施例。显然,所描述的实施例仅是本申请的一部分实施例,而不是本申请的全部实施例,应理解,本申请不受这里描述的示例实施例的限制。
申请概述
护理是一门运用科学,护理人员需要有条理、有目的、有计划的完成基础或常规护理,观察了解病人体表体重基础情况,根据病情变化监测或获取病情数据,以配合医生完成对病人的治疗,加强输液巡视和教育,及时处理医疗纠纷,防止医疗事故的发生;开展危重症生命体征监测、标本采集、体重营养定期采集分析,并从生理心理、社会文化和精神诸方面,照顾病人的生活起居,日常活动、用药和安全等问题。护理工作是整个医疗卫生工作的重要组成部分,但它又是有其自身的相对独立性和特殊性,护理人员的道德水平如何,关系到能否协调医生、护士、病人三者的关系,直接影响着医疗质量。护理工作的质量直接关系到患者的医疗安全、治疗效果和身体康复;护理人员的职业素质、服务态度、言谈举止也直接影响着患者的心理感受和医患关系的和谐,所以专业化高的护理人员是不可或缺的,目前的护理技能培训主要是经过学校教育学习全面的护理知识,再通过师徒制和技能考试进行提升,现有技术中护理技能评估是相关老师根据经验主观判断指出不足,进而由护理人员学习提升。但现有技术中存在主观评估不够全面与准确,进而无法制定个体化较强,系统的护理技能提升方案的技术问题。
针对上述技术问题,本申请提供的技术方案总体思路如下:
本申请实施例提供了一种护理技能提升方法,其中,所述方法应用于一护理监测分析系统,所述系统与第一图像采集装置通信连接,所述方法包括:获得第一护理人员的基础信息;根据所述基础信息获得第一技能标准,其中,所述第一技能标准为所述第一护理人员规定掌握技能的标准;根据所述第一技能标准对所述第一护理人员进行技能掌握度评估,获得第一技能掌握度评估结果;通过所述第一图像采集装置获得所述第一护理人员的第一图像集,其中,所述第一图像集为所述第一护理人员在进行患者护理时的护理图像集;通过所述第一图像集对所述第一护理人员的护理情况进行评估,获得第二评估结果,其中,所述第二评估结果至少包括熟练度评估结果和护理态度评估结果;将所述第一技能掌握度评估结果和所述第二评估结果输入所述护理监测评估系统,获得第一评估方案;基于所述第一评估方案对所述第一护理人员进行护理技能训练。
在介绍了本申请基本原理后,下面将结合说明书附图来具体介绍本申请的各种非限制性的实施方式。
实施例一
如图1所示,本申请实施例提供了一种护理技能提升方法,其中,所述方法应用于一种护理监测分析系统,所述系统与第一图像采集装置通信连接,所述方法包括:
S100:获得第一护理人员的基础信息;
具体而言,所述第一护理人员指的是需要进行技能评估,提升技能的护理人员,所述基础信息指的是为了能够对所述第一护理人员进行区分,进而可以针对性的进行技能评估的基本信息,具体的可以是所述第一护理人员的性别、年龄、等级(N级划分)、职称、工作科室、工作年限、主要护理病患类型等信息。通过调用所述第一护理人员的基础信息,可以对所述第一护理人员进行初步的区分,为进一步确定所述第一护理人员专科护理技能提供了信息反馈基础。
S200:根据所述基础信息获得第一技能标准,其中,所述第一技能标准为所述第一护理人员规定掌握技能的标准;
具体而言,所述第一技能标准指的是基于所述基础信息确定的所述第一护理人员需要掌握技能的标准,确定方式举例如可以根据所述第一护理人员的工作科室和主要护理的病患类型确定其专科护理技能类别,具体的举例若所述第一护理人员来自妇产科,则其所述第一技能标准包括理论知识标准:如医学基础课、护理学基本概念、护理评估、基础护理学、内科护理学、外科护理学等,通过考试考察;实操护理技能标准:基础门诊如熟悉妇女基础知识普查及治疗的知识,并能给就诊妇女进行妇女疾病普查知识宜教等,基础病房如妇科急症的基本处理方法和护理要点等,基础分娩室如能划分三个产程及描述胎儿枕前位的分娩机制、掌握正常待产妇健康宣教及评估内容、方法和产前检查知识、熟悉分娩室常见药物的不良反应如硫酸镁和催产素等。进阶为专科技能门诊如能建立围产保健手册档案及档案管理,专科技能病房如正常执行常用妇科护理操作技术:阴道灌洗、阴道抹洗、阴道上药、会阴擦洗、坐浴等,分娩室专科技能如能够进行四步触诊及盆骨外测量、能够准确测量产后出血量、能配合医生及上级护士对高危产妇和新生婴儿窒息实施抢救等,综合能力如管理能力、培训能力等。
确定方式举例如可以根据所述第一护理人员的工作年限和职称确定其护理技能熟练度与相应工龄和职称护理技能熟练度平均水准的差异度,例如医院的护理人员主要职称划分等级为护士、护师、主管护师、副主任护师、主任护师,随着职称的变化,掌握的护理技能以及护理技能的熟练度都相应变化,例如护士主要协助医生做好对病人的咨询,辅助,接诊和治疗工作,在上级护士指导下进行工作,护师则需要可以独立完成护理工作,根据不同的职称将对应要求的技能熟练度评估进行区分,进一步对于职称相同的护理人员通过工龄进行区分,工龄越长的护理人员技能熟练度要求掌握程度越高。
通过所述第一护理人员的基础信息对所述第一护理人员制定相应的所述第一技能标准,可以对所述第一护理人员的护理技能进行个体化及准确度较高的初步技能评估,为进一步的信息反馈提供了基础。
S300:根据所述第一技能标准对所述第一护理人员进行技能掌握度评估,获得第一技能掌握度评估结果;
具体而言,所述技能掌握度指的是基于所述第一技能标准,对所述第一护理人员进行技能评估后得到的考核结果,理论知识主要根据考试分数评估。来自不同科室的所述第一护理人员都有相对应的专科核心技能,实操技能的评估则根据所述第一护理人员的技能掌握类型及技能掌握数量进行评估,具体的举例如所述第一护理人员来自妇产科且为N1(初级责任护士)级,除开门诊、病房和分娩室中的基础技能外,其相应的核心技能为能建立围产保健手册档案及档案管理,专科技能病房如正常执行常用妇科护理操作技术:阴道灌洗、阴道抹洗、阴道上药、会阴擦洗、坐浴等,分娩室专科技能如能够进行四步触诊及盆骨外测量、能够准确测量产后出血量、能配合医生及上级护士对高危产妇和新生婴儿窒息实施抢救等。进一步的,所述第一技能掌握度评估结果指的是基于所述第一护理人员的核心技能及基础技能的掌握数量对所述第一护理人员的技能掌握情况进行评判并分类得到的信息,可选用区间的方式进行存储,比如分为30%以下、30%-60%、60%-80%、80%以上四个区间。通过所述第一技能掌握度评估结果可以所述第一护理人员进行初步的划分,便于对不用程度的所述第一护理人员针对性的制定技能提升方案。
S400:通过所述第一图像采集装置获得所述第一护理人员的第一图像集,其中,所述第一图像集为所述第一护理人员在进行患者护理时的护理图像集;
S500:通过所述第一图像集对所述第一护理人员的护理情况进行评估,获得第二评估结果,其中,所述第二评估结果至少包括熟练度评估结果和护理态度评估结果;
具体而言,所述第一图像采集装置为采集所述第一护理人员进行患者护理时图像的装置,可以选用智能摄像头;所述第一图像集就是通过所述第一图像采集装置获得图像集合;所述第二评估结果指的是基于获得的所述第一护理人员在护理患者的图像,对所述第一护理人员的技能熟练度及护理态度的评判数据,具体的所述熟练度评判可选用将某个护理动作多次完成时间的平均数与此护理动作的常规操作完成时间进行比较,进一步的此护理动作的常规操作完成时间可以是根据护理经验总结出的护理动作完成时间,举例说明若是所述第一护理人员为患者做皮试的时间,从取出药物开始计时到针头拔出停止计时,记录20组数据,优选列表的形式进行存储并计算其平均用时,常规皮试的时间若为2分钟,如果所述第一护理人员的平均用时高于2分钟,则熟练度需要加强,低于两分钟则相对熟练;具体的所述护理态度可选用所述第一护理人员的表情状态、沟通方式,病人反馈等判断。通过所述第二评估结果可以对所述第一护理人员的技能熟练程度和职业素养进行评判,对所述第一护理人员的技能熟练进行划分,有利于进一步进行个体化程度较高且全面的技能评估。
S600:将所述第一技能掌握度评估结果和所述第二评估结果输入所述护理监测评估系统,获得第一评估方案;
S700:基于所述第一评估方案对所述第一护理人员进行护理技能训练。
具体而言,所述第一评估方案为所述第一技能掌握度评估结果和所述第二评估结果综合得到的评估方案信息,所述护理监测评估系统是以神经网络模型为基础建立,具有神经网络模型的特性,进而通过对所述第一技能掌握度评估结果信息和所述第二评估结果信息进行分析,其中,人工神经网络是在现代神经科学的基础上提出和发展起来的,旨在反映人脑结构及功能的一种抽象数学模型,神经网络是一种运算模型,由大量的节点(或称神经元)之间相互连接构成,每个节点代表一种特定的输出函数称为激励函数,每两个节点之间的连接都代表一个对于通过该连接信号的加权值,称之为权重,这相当于人工神经网络的记忆,网络的输出则依照网络的连接方式,是对一种逻辑策略的表达,基于神经网络模型建立的所述护理监测评估系统能够输出准确的所述第一浮动指数,从而具备了较强的分析计算能力,达到了准确输出所述第一评估方案的技术效果。
进一步的,可以根据所述第一评估方案,对所述第一护理人员针对性的制定相应的训练方案,通过所述护理监测评估系统智能化分析,结合所述第一技能掌握度评估结果和所述第二评估结果,达到了到全面且准确的评估方案,进而根据评估方案进行个体化较强的护理提升学习的技术效果。
进一步的,所述方法,步骤S500还包括:
S510:获得第一分类指令,根据所述第一分类指令对所述第一图像集中的图像进行分类,获得第一分类结果;
S520:获得第一时间排序指令,根据所述第一时间排序指令对所述第一分类结果进行基于时间的图像排序,获得第二分类结果;
S530:根据所述第二分类结果获得第一图像和第二图像,其中,所述第一图像和所述第二图像属于同一分类,且所述第二图像的获取时间在所述第一图像的获取时间之后;
S540:获得第一特征捕捉指令,根据所述第一特征捕捉指令对所述第一图像和所述第二图像进行特征捕捉,获得第一特征捕捉结果;
S550:根据所述第一特征捕捉结果获得所述第二评估结果。
具体而言,所述第一分类指令指的是可以调用通过图像采集装置采集到的图像的指令信息,所述第一分类结果指的是在获得所述第一分类指令之后,对获得到的图像按照设定规则进行分类,具体的设定规则优选根据不同护理技能进行结果划分,例如四步触诊为一个结果,盆骨外测量为另外一个结果等;进一步的,在获得所述第一时间排序指令之后,基于已经进行所述第一分类结果后的图像,根据采集的时间先后进行排序,基于上述分类规则,则获得了一个护理技能操作的完整图像;更进一步的,在这些完整图像之中选取对护理技能最具代表性的动作图像,即为所述第一图像和所述第二图像,所述第二图像的获取时间在所述第一图像的获取时间之后;更进一步的,所述第一特征捕捉结果指的是基于所述第一图像和所述第二图像,在获得所述第一特征捕捉指令之后,对所述第一图像和第二图像进行特征提取得到的信息,通过信息可以判断其护理技能的动作熟练程度,通过所述第二分类结果可以获得护理技能的完成时间,则可以判断其护理技能的效率熟练程度,进一步的得到个体化程度较高其较准确的所述第二评估结果。
更进一步的,其中,所述方法步骤S550还包括:
S551:构建特征变化数据库,其中,所述特征变化数据库为反映特征变化与护理态度关系的数据库;
S552:将所述第一特征捕捉结果输入所述特征变化数据库,获得第一输出结果,其中,所述第一输出结果包括所述护理态度评估结果。
具体而言,所述特征变化数据库指的是处理特征变化信息和护理态度信息的存储介质、处理和管理系统;所述特征变化指的是所述第一图像和所述第二图像中提取到的特征变化情况,基本的特征有护理技能代表性的手势、身体动作、可以通过所述第一护理人员的表情、病患人员的神情信息;所述护理态度指的是所述第一护理人员的职业道德素养的评价指标,可以通过所述第一护理人员的表情、病患人员的神情信息进行评价,可选列表方式将所述特征与对应的护理人员的神情病患的神情信息进行一一对应的存储。进一步的,将所述第一特征捕捉结果输入所述特征变化数据库,就可以根据所述特征变化获得反映特征变化与所述护理态度的对应关系,即为所述第一输出结果,通过特征变化与所述护理态度的对应关系可以得到所述护理态度评估结果。
更进一步的,所述方法步骤S550还包括:
S553:构建特征变化熟练度分析模型;
S554:获得第二特征捕捉指令,根据所述第二特征捕捉指令对所述第一图像和所述第二图像进行特征捕捉,获得第二特征捕捉结果;
S555:将所述第二特征捕捉结果输入所述特征变化熟练度分析模型,获得第二输出结果,其中,所述第二输出结果包括所述熟练度评估结果。
具体而言,所述特征变化熟练度分析模型是基于卷积神经网络建立起的智能化分析模型,卷积神经网络和普通的神经网络具有许多相似之处,它们都是模仿人类神经的结构,由具有可学习的权重和偏置常数的神经元组成。每一个神经元可以接收输入信号,经过运算后输出每一个分类的分数。但是,卷积神经网络的输入一般是图像,卷积网络通过一系列方法,成功将数据量庞大的图像识别问题不断降维,最终使其能够被训练,卷积神经网络的神经元维度分为长宽高三个维度,包括卷积层、线性整流层、池化层、全连接层,通过卷积神经网络可以将输入的图像进行检测、分类。将第二特征捕捉指令输入所述特征变化熟练度分析模型后,所述特征变化熟练度分析模型就会调用所述第一图像和所述第二图像,通过卷积神经网络可以根据熟练程度的不同对图像进行准确分类,进而达到了准确输出所述第一护理人员的护理技能熟练度评估结果的技术效果。
更进一步的,基于所述构建特征变化数据库,其中,所述特征变化数据库为反应特征变化与护理态度关系的数据库,步骤S550还包括:
S556:获得第一护理态度捕捉特征,其中,所述第一护理态度捕捉特征为眼部特征;
S557:获得第二护理态度捕捉特征,其中,所述第二护理态度捕捉特征为面部特征;
S558:获得第三护理态度捕捉特征,其中,所述第三护理态度捕捉特征为语气附加特征;
S559:获得第一信息收集指令,根据所述第一信息收集指令收集所述第一护理态度捕捉特征、所述第二护理态度捕捉特征、所述第三护理态度捕捉特征下对应的护理态度变化信息;
S560:基于所述第一护理态度捕捉特征、所述第二护理态度捕捉特征、所述第三护理态度捕捉特征和所述护理态度变化信息构建所述特征变化数据库。
更进一步的,基于所述系统与第一声音采集装置通信连接,步骤S550还包括:
S561:通过所述第一声音采集装置获得所述第一护理人员在护理过程中的第一声音信息,且所述第一声音信息与所述第一图像集中的图像具有一一对应关系;
S562:根据所述第一声音信息获得所述第一护理人员的第一声音特征;
S563:将所述第一声音特征和所述第一特征捕捉结果输入所述特征变化数据库,获得所述第二评估结果。
具体而言,在获得所述信息收集指令之后,通过所述图像采集装置采集到的图像,对进行护理的所述第一护理人员的眼部特征、面部表情特征、语气附加特征的变化进行收集,将收集到的数据存储,分类,构建起所述特征变化数据库,可以为后续的技能评估提供基础。更进一步的,所述第一声音采集装置指的采集所述第一护理人员在进行护理时的装置,所述第一声音采集装置与所述第一图像采集装置通信连接,其采集到的声音与所述第一图像采集装置采集的图像一一对应,在所述特征变化数据库构建完成之后,根据所述第一护理人员的第一声音特征可以判断所述第一护理人员的语气特征,进一步可以甄别所述第一护理人员的职业素养,达到了得到完善的护理技能评估效果的技术效果。
进一步的,基于所述将所述第一技能掌握度评估结果和所述第二评估结果输入所述护理监测评估系统,获得第一评估方案,步骤S600还包括:
S610:构建护理监测评估系统,其中,所述护理监测评估系统通过多组训练数据训练获得,所述多组训练数据中的每组均包括所述第一技能掌握度评估结果、所述第二评估结果和标识护理技能训练侧重方向的标识信息;
S620:获得所述护理监测评估系统的第三输出结果,其中,所述第三输出结果包括所述第一评估方案。
具体而言,所述护理监测评估系统为神经网络模型,所述神经网络模型即机器学习中的神经网络模型,它反映了人脑功能的许多基本特征,是一个高度复杂的非线性动力学习系统。其中,它能根据训练数据进行不断的自我训练学习,训练数据中的每一组训练数据均包括所述第一技能掌握度评估结果、所述第二评估结果和标识护理技能训练侧重方向的标识信息,所述护理监测评估系统不断地自我的修正,当所述护理监测评估系统的输出信息达到预定的准确率/收敛状态时,则监督学习过程结束。通过对所述护理监测评估系统进行数据训练,使得所述护理监测评估系统处理输入数据更加准确,进而使得输出的所述第一评估方案也更加准确,达到了准确获得数据信息,提高评估结果智能化的技术效果。
综上所述,本申请实施例所提供的一种护理技能提升方法及系统具有如下技术效果:
1、由于采用了通过获得第一护理人员的基础信息;根据所述基础信息获得第一技能标准,其中,所述第一技能标准为所述第一护理人员规定掌握技能的标准;根据所述第一技能标准对所述第一护理人员进行技能掌握度评估,获得第一技能掌握度评估结果;通过所述第一图像采集装置获得所述第一护理人员的第一图像集,其中,所述第一图像集为所述第一护理人员在进行患者护理时的护理图像集;通过所述第一图像集对所述第一护理人员的护理情况进行评估,获得第二评估结果,其中,所述第二评估结果至少包括熟练度评估结果和护理态度评估结果;将所述第一技能掌握度评估结果和所述第二评估结果输入所述护理监测评估系统,获得第一评估方案;基于所述第一评估方案对所述第一护理人员进行护理技能训练的技术方案。通过对护理人员的技能和护理质量的综合信息收集,进行智能化分析,达到了得到全面且准确的评估方案,进而根据评估方案进行个体化较强的护理提升学习的技术效果。
2、利用所述特征变化熟练度分析模型,通过卷积神经网络对所述第一图像采集装置获得的图像进行智能化分析,有助于得到准确的护理技能熟练度评估结果,进一步达到了获得个体化程度强且准确的护理技能评估结果的技术效果。
实施例二
基于与前述实施例中一种护理技能提升方法相同的发明构思,如图2所示,本申请实施例提供了一种护理技能提升系统,所述系统与第一图像采集装置通信连接,所述系统包括:
第一获得单元11,所述第一获得单元11用于获得第一护理人员的基础信息;
第二获得单元12,所述第二获得单元12用于根据所述基础信息获得第一技能标准,其中,所述第一技能标准为所述第一护理人员规定掌握技能的标准;
第三获得单元13,所述第三获得单元13用于根据所述第一技能标准对所述第一护理人员进行技能掌握度评估,获得第一技能掌握度评估结果;
第四获得单元14,所述第四获得单元14用于通过所述第一图像采集装置获得所述第一护理人员的第一图像集,其中,所述第一图像集为所述第一护理人员在进行患者护理时的护理图像集;
第五获得单元15,所述第五获得单元15用于通过所述第一图像集对所述第一护理人员的护理情况进行评估,获得第二评估结果,其中,所述第二评估结果至少包括熟练度评估结果和护理态度评估结果;
第六获得单元16,所述第六获得单元16用于将所述第一技能掌握度评估结果和所述第二评估结果输入所述护理监测评估系统,获得第一评估方案;
第一训练单元17,所述第一训练单元17用于基于所述第一评估方案对所述第一护理人员进行护理技能训练。
进一步的,所述系统还包括:
第七获得单元,所述第七获得单元用于获得第一分类指令,根据所述第一分类指令对所述第一图像集中的图像进行分类,获得第一分类结果;
第八获得单元,所述第八获得单元用于获得第一时间排序指令,根据所述第一时间排序指令对所述第一分类结果进行基于时间的图像排序,获得第二分类结果;
第九获得单元,第九获得单元用于根据所述第二分类结果获得第一图像和第二图像,其中,所述第一图像和所述第二图像属于同一分类,且所述第二图像的获取时间在所述第一图像的获取时间之后;
第十获得单元,所述第十获得单元用于获得第一特征捕捉指令,根据所述第一特征捕捉指令对所述第一图像和所述第二图像进行特征捕捉,获得第一特征捕捉结果;
第十一获得单元,所述第十一获得单元用于根据所述第一特征捕捉结果获得所述第二评估结果。
进一步的,所述系统还包括:
第一构建单元,所述第一构建单元用于构建特征变化数据库,其中,所述特征变化数据库为反应特征变化与护理态度关系的数据库;
第一输入单元,所述第一输入单元用于将所述第一特征捕捉结果输入所述特征变化数据库,获得第一输出结果,其中,所述第一输出结果包括所述护理态度评估结果。
进一步的,所述系统还包括:
第二构建单元,所述第二构建单元用于构建特征变化熟练度分析模型;
第十二获得单元,所述第十二获得单元用于获得第二特征捕捉指令,根据所述第二特征捕捉指令对所述第一图像和所述第二图像进行特征捕捉,获得第二特征捕捉结果;
第十三获得单元,所述第十三获得单元用于将所述第二特征捕捉结果输入所述特征变化熟练度分析模型,获得第二输出结果,其中,所述第二输出结果包括所述熟练度评估结果。
进一步的,所述系统还包括:
第十四获得单元,所述第十四获得单元用于获得第一护理态度捕捉特征,其中,所述第一护理态度捕捉特征为眼部特征;
第十五获得单元,所述第十五获得单元用于获得第二护理态度捕捉特征,其中,所述第二护理态度捕捉特征为面部特征;
第十六获得单元,所述第十六获得单元用于获得第三护理态度捕捉特征,其中,所述第三护理态度捕捉特征为语气附加特征;
第十七获得单元,所述第十七获得单元用于获得第一信息收集指令,根据所述第一信息收集指令收集所述第一护理态度捕捉特征、所述第二护理态度捕捉特征、所述第三护理态度捕捉特征下对应的护理态度变化信息;
第三构建单元,所述第三构建单元用于基于所述第一护理态度捕捉特征、所述第二护理态度捕捉特征、所述第三护理态度捕捉特征和所述护理态度变化信息构建所述特征变化数据库。
进一步的,所述系统还包括:
第十八获得单元,所述第十八获得单元用于通过所述第一声音采集装置获得所述第一护理人员在护理过程中的第一声音信息,且所述第一声音信息与所述第一图像集中的图像具有一一对应关系;
第十九获得单元,所述第十九获得单元用于根据所述第一声音信息获得所述第一护理人员的第一声音特征;
第二十获得单元,所述第二十获得单元用于将所述第一声音特征和所述第一特征捕捉结果输入所述特征变化数据库,获得所述第二评估结果。
进一步的,所述系统还包括:
第四构建单元,所述第四构建单元用于构建护理监测评估系统,其中,所述护理监测评估系统通过多组训练数据训练获得,所述多组训练数据中的每组均包括所述第一技能掌握度评估结果、所述第二评估结果和标识护理技能训练侧重方向的标识信息;
第一输出单元,所述第一输出单元用于获得所述护理监测评估系统的第三输出结果,其中,所述第三输出结果包括所述第一评估方案。
示例性电子设备
下面参考图3来描述本申请实施例的电子设备。
基于与前述实施例中一种护理技能提升方法相同的发明构思,一种护理技能提升系统,所述系统包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其中,所述处理器执行所述程序时实现第一方面任一项所述方法的步骤。
其中,在图3中,总线架构(用总线300来代表),总线300可以包括任意数量的互联的总线和桥,总线300将包括由处理器302代表的一个或多个处理器和存储器304代表的存储器的各种电路链接在一起。总线300还可以将诸如外围设备、稳压器和功率管理电路等之类的各种其他电路链接在一起,这些都是本领域所公知的,因此,本文不再对其进行进一步描述。总线接口305在总线300和接收器301和发送器303之间提供接口。接收器301和发送器303可以是同一个元件,即收发机,提供用于在传输介质上与各种其他系统通信的单元。
处理器302负责管理总线300和通常的处理,而存储器304可以被用于存储处理器302在执行操作时所使用的数据。
本申请实施例提供了一种护理技能提升方法,其中,所述方法应用于一种护理监测分析系统,所述系统与第一图像采集装置通信连接,所述方法包括:获得第一护理人员的基础信息;根据所述基础信息获得第一技能标准,其中,所述第一技能标准为所述第一护理人员规定掌握技能的标准;根据所述第一技能标准对所述第一护理人员进行技能掌握度评估,获得第一技能掌握度评估结果;通过所述第一图像采集装置获得所述第一护理人员的第一图像集,其中,所述第一图像集为所述第一护理人员在进行患者护理时的护理图像集;通过所述第一图像集对所述第一护理人员的护理情况进行评估,获得第二评估结果,其中,所述第二评估结果至少包括熟练度评估结果和护理态度评估结果;将所述第一技能掌握度评估结果和所述第二评估结果输入所述护理监测评估系统,获得第一评估方案;基于所述第一评估方案对所述第一护理人员进行护理技能训练。解决了现有技术中存在主观评估不够全面与准确,进而无法制定个体化较强,系统的护理技能提升方案的技术问题。通过对护理人员的技能和护理质量的综合信息收集,进行智能化分析,达到了得到全面且准确的评估方案,进而根据评估方案进行个体化较强的护理提升学习的技术效果。
本领域内的技术人员应明白,本发明的实施例可提供为方法、系统、或计算机程序产品。因此,本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的系统。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令系统的制造品,该指令系统实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。尽管已描述了本发明的优选实施例,但本领域内的技术人员一旦得知了基本创造性概念,则可对这些实施例做出另外的变更和修改。所以,所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。
显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。
Claims (9)
1.一种护理技能提升方法,其中,所述方法应用于一种护理监测分析系统,所述系统与第一图像采集装置通信连接,所述方法包括:
获得第一护理人员的基础信息;
根据所述基础信息获得第一技能标准,其中,所述第一技能标准为所述第一护理人员规定掌握技能的标准;
根据所述第一技能标准对所述第一护理人员进行技能掌握度评估,获得第一技能掌握度评估结果;
通过所述第一图像采集装置获得所述第一护理人员的第一图像集,其中,所述第一图像集为所述第一护理人员在进行患者护理时的护理图像集;
通过所述第一图像集对所述第一护理人员的护理情况进行评估,获得第二评估结果,其中,所述第二评估结果至少包括熟练度评估结果和护理态度评估结果;
将所述第一技能掌握度评估结果和所述第二评估结果输入所述护理监测评估系统,获得第一评估方案;
基于所述第一评估方案对所述第一护理人员进行护理技能训练。
2.如权利要求1所述的方法,其中,所述方法还包括:
获得第一分类指令,根据所述第一分类指令对所述第一图像集中的图像进行分类,获得第一分类结果;
获得第一时间排序指令,根据所述第一时间排序指令对所述第一分类结果进行基于时间的图像排序,获得第二分类结果;
根据所述第二分类结果获得第一图像和第二图像,其中,所述第一图像和所述第二图像属于同一分类,且所述第二图像的获取时间在所述第一图像的获取时间之后;
获得第一特征捕捉指令,根据所述第一特征捕捉指令对所述第一图像和所述第二图像进行特征捕捉,获得第一特征捕捉结果;
根据所述第一特征捕捉结果获得所述第二评估结果。
3.如权利要求2所述的方法,其中,所述方法还包括:
构建特征变化数据库,其中,所述特征变化数据库为反应特征变化与护理态度关系的数据库;
将所述第一特征捕捉结果输入所述特征变化数据库,获得第一输出结果,其中,所述第一输出结果包括所述护理态度评估结果。
4.如权利要求3所述的方法,其中,所述方法还包括:
构建特征变化熟练度分析模型;
获得第二特征捕捉指令,根据所述第二特征捕捉指令对所述第一图像和所述第二图像进行特征捕捉,获得第二特征捕捉结果;
将所述第二特征捕捉结果输入所述特征变化熟练度分析模型,获得第二输出结果,其中,所述第二输出结果包括所述熟练度评估结果。
5.如权利要求3所述的方法,其中,所述构建特征变化数据库,其中,所述特征变化数据库为反应特征变化与护理态度关系的数据库,所述方法还包括:
获得第一护理态度捕捉特征,其中,所述第一护理态度捕捉特征为眼部特征;
获得第二护理态度捕捉特征,其中,所述第二护理态度捕捉特征为面部特征;
获得第三护理态度捕捉特征,其中,所述第三护理态度捕捉特征为语气附加特征;
获得第一信息收集指令,根据所述第一信息收集指令收集所述第一护理态度捕捉特征、所述第二护理态度捕捉特征、所述第三护理态度捕捉特征下对应的护理态度变化信息;
基于所述第一护理态度捕捉特征、所述第二护理态度捕捉特征、所述第三护理态度捕捉特征和所述护理态度变化信息构建所述特征变化数据库。
6.如权利要求5所述的方法,其中,所述系统与第一声音采集装置通信连接,所述方法还包括:
通过所述第一声音采集装置获得所述第一护理人员在护理过程中的第一声音信息,且所述第一声音信息与所述第一图像集中的图像具有一一对应关系;
根据所述第一声音信息获得所述第一护理人员的第一声音特征;
将所述第一声音特征和所述第一特征捕捉结果输入所述特征变化数据库,获得所述第二评估结果。
7.如权利要求1所述的方法,其中,所述将所述第一技能掌握度评估结果和所述第二评估结果输入所述护理监测评估系统,获得第一评估方案,还包括:
构建护理监测评估系统,其中,所述护理监测评估系统通过多组训练数据训练获得,所述多组训练数据中的每组均包括所述第一技能掌握度评估结果、所述第二评估结果和标识护理技能训练侧重方向的标识信息;
获得所述护理监测评估系统的第三输出结果,其中,所述第三输出结果包括所述第一评估方案。
8.一种护理技能提升系统,所述系统与第一图像采集装置通信连接,所述系统包括:
第一获得单元,所述第一获得单元用于获得第一护理人员的基础信息;
第二获得单元,所述第二获得单元用于根据所述基础信息获得第一技能标准,其中,所述第一技能标准为所述第一护理人员规定掌握技能的标准;
第三获得单元,所述第三获得单元用于根据所述第一技能标准对所述第一护理人员进行技能掌握度评估,获得第一技能掌握度评估结果;
第四获得单元,所述第四获得单元用于通过所述第一图像采集装置获得所述第一护理人员的第一图像集,其中,所述第一图像集为所述第一护理人员在进行患者护理时的护理图像集;
第五获得单元,所述第五获得单元用于通过所述第一图像集对所述第一护理人员的护理情况进行评估,获得第二评估结果,其中,所述第二评估结果至少包括熟练度评估结果和护理态度评估结果;
第六获得单元,所述第六获得单元用于将所述第一技能掌握度评估结果和所述第二评估结果输入所述护理监测评估系统,获得第一评估方案;
第一训练单元,所述第一训练单元用于基于所述第一评估方案对所述第一护理人员进行护理技能训练。
9.一种护理技能提升系统,所述系统包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其中,所述处理器执行所述程序时实现权利要求1-7任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110532649.8A CN113270175A (zh) | 2021-05-17 | 2021-05-17 | 一种护理技能提升方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110532649.8A CN113270175A (zh) | 2021-05-17 | 2021-05-17 | 一种护理技能提升方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113270175A true CN113270175A (zh) | 2021-08-17 |
Family
ID=77231110
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110532649.8A Withdrawn CN113270175A (zh) | 2021-05-17 | 2021-05-17 | 一种护理技能提升方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113270175A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114781805A (zh) * | 2022-03-24 | 2022-07-22 | 江苏中科西北星信息科技有限公司 | 基于大数据的护理人员护理技能评估方法、系统及装置 |
CN116012205A (zh) * | 2023-02-20 | 2023-04-25 | 无锡市第二人民医院 | 一种老年护理师的智能培训管理方法及系统 |
CN117542498A (zh) * | 2024-01-08 | 2024-02-09 | 安徽医科大学第一附属医院 | 一种基于大数据分析的妇科护理管理系统及方法 |
CN116012205B (zh) * | 2023-02-20 | 2024-06-07 | 无锡市第二人民医院 | 一种老年护理师的智能培训管理方法及系统 |
-
2021
- 2021-05-17 CN CN202110532649.8A patent/CN113270175A/zh not_active Withdrawn
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114781805A (zh) * | 2022-03-24 | 2022-07-22 | 江苏中科西北星信息科技有限公司 | 基于大数据的护理人员护理技能评估方法、系统及装置 |
CN114781805B (zh) * | 2022-03-24 | 2023-09-15 | 江苏中科西北星信息科技有限公司 | 基于大数据的护理人员护理技能评估方法、系统及装置 |
CN116012205A (zh) * | 2023-02-20 | 2023-04-25 | 无锡市第二人民医院 | 一种老年护理师的智能培训管理方法及系统 |
CN116012205B (zh) * | 2023-02-20 | 2024-06-07 | 无锡市第二人民医院 | 一种老年护理师的智能培训管理方法及系统 |
CN117542498A (zh) * | 2024-01-08 | 2024-02-09 | 安徽医科大学第一附属医院 | 一种基于大数据分析的妇科护理管理系统及方法 |
CN117542498B (zh) * | 2024-01-08 | 2024-04-16 | 安徽医科大学第一附属医院 | 一种基于大数据分析的妇科护理管理系统及方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11213244B2 (en) | Collection of medical data | |
CN108198620A (zh) | 一种基于深度学习的皮肤疾病智能辅助诊断系统 | |
Thompson et al. | Theory building in nurse-midwifery: the care process | |
CN113270175A (zh) | 一种护理技能提升方法及系统 | |
CN111899837A (zh) | 一种基于数字化手术室的手术报告协同方法及系统 | |
Raisler | Midwifery care research: what questions are being asked? What lessons have been learned? | |
CN116895372B (zh) | 一种基于大规模语言模型与元学习的智能急救分级系统 | |
Williams et al. | Centralized care management support for “high utilizers” in primary care practices at an academic medical center | |
Lewallen | A review of instruments used to predict early breastfeeding attrition | |
JP5244027B2 (ja) | 脳機能解析支援装置及びプログラム | |
Yates et al. | Arousal detection for biometric data in built environments using machine learning | |
Baker | Phenomenography: An alternative approach to researching the clinical decision‐making of nurses | |
Erdoğan et al. | Objective pain assessment using vital signs | |
CN112102934A (zh) | 一种护士规范化培训考核评分方法和系统 | |
CN113299386A (zh) | 一种临床思维评价方法及装置 | |
Yadollahi et al. | Defining cognitive, higher order thinking, and psychomotor meta-skills: three-curricular content concept analysis | |
CN117253580A (zh) | 一种自动化患者监测护理系统、方法以及装置 | |
Smith et al. | Constructing Order | |
CN112768066A (zh) | 一种神经外科患者综合诊疗方法及系统 | |
Rosen et al. | Evaluation of a procedure for assessing the performance of staff nurses | |
CN112951422A (zh) | 一种骨科患者康复自检方法及系统 | |
Wang et al. | Application effect of continuous quality improvement measures on patient satisfaction and quality of life in gynecological nursing | |
Mahmoud | A Survey of Some Interdisciplinary Methods and Tools to Measure Learners' Emotions in Intelligent Tutoring Systems | |
CN110675953A (zh) | 利用人工智能和大数据筛查识别精神病患者的方法 | |
Dean et al. | A cognitive neuropsychology assessment system |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WW01 | Invention patent application withdrawn after publication | ||
WW01 | Invention patent application withdrawn after publication |
Application publication date: 20210817 |