CN117877738A - 一种基于知信行健康教育模式的copd患者静脉血栓预防系统 - Google Patents
一种基于知信行健康教育模式的copd患者静脉血栓预防系统 Download PDFInfo
- Publication number
- CN117877738A CN117877738A CN202410284884.1A CN202410284884A CN117877738A CN 117877738 A CN117877738 A CN 117877738A CN 202410284884 A CN202410284884 A CN 202410284884A CN 117877738 A CN117877738 A CN 117877738A
- Authority
- CN
- China
- Prior art keywords
- thrombus
- early warning
- patient
- metadata
- complication
- 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.)
- Granted
Links
- 238000007395 thrombosis prophylaxis Methods 0.000 title claims abstract description 37
- 208000006545 Chronic Obstructive Pulmonary Disease Diseases 0.000 title claims abstract description 33
- 206010047249 Venous thrombosis Diseases 0.000 title claims abstract description 32
- 230000036541 health Effects 0.000 title claims abstract description 31
- 208000007536 Thrombosis Diseases 0.000 claims abstract description 141
- 230000002265 prevention Effects 0.000 claims abstract description 32
- 238000001514 detection method Methods 0.000 claims abstract description 16
- 238000012545 processing Methods 0.000 claims abstract description 13
- 238000011156 evaluation Methods 0.000 claims abstract description 9
- 230000006698 induction Effects 0.000 claims description 20
- 238000000034 method Methods 0.000 claims description 15
- 208000024891 symptom Diseases 0.000 claims description 14
- 210000000056 organ Anatomy 0.000 claims description 11
- 230000008859 change Effects 0.000 claims description 9
- 230000008569 process Effects 0.000 claims description 9
- 230000008451 emotion Effects 0.000 claims description 4
- 238000012360 testing method Methods 0.000 claims description 4
- 238000010606 normalization Methods 0.000 claims description 3
- 238000011282 treatment Methods 0.000 abstract description 6
- 208000004043 venous thromboembolism Diseases 0.000 description 28
- 201000010099 disease Diseases 0.000 description 14
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 14
- 239000000411 inducer Substances 0.000 description 9
- 206010051055 Deep vein thrombosis Diseases 0.000 description 6
- 238000004891 communication Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 230000000694 effects Effects 0.000 description 5
- 235000013305 food Nutrition 0.000 description 5
- 210000003141 lower extremity Anatomy 0.000 description 5
- 230000000474 nursing effect Effects 0.000 description 5
- 230000003449 preventive effect Effects 0.000 description 5
- 230000006399 behavior Effects 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 206010014522 Embolism venous Diseases 0.000 description 2
- 208000010378 Pulmonary Embolism Diseases 0.000 description 2
- 239000008280 blood Substances 0.000 description 2
- 210000004369 blood Anatomy 0.000 description 2
- 235000005911 diet Nutrition 0.000 description 2
- 230000037213 diet Effects 0.000 description 2
- 230000035622 drinking Effects 0.000 description 2
- 239000003814 drug Substances 0.000 description 2
- 238000001990 intravenous administration Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000011321 prophylaxis Methods 0.000 description 2
- 230000000241 respiratory effect Effects 0.000 description 2
- 230000000391 smoking effect Effects 0.000 description 2
- 244000000383 Allium odorum Species 0.000 description 1
- 235000018645 Allium odorum Nutrition 0.000 description 1
- 235000005338 Allium tuberosum Nutrition 0.000 description 1
- 208000019901 Anxiety disease Diseases 0.000 description 1
- 240000007087 Apium graveolens Species 0.000 description 1
- 235000015849 Apium graveolens Dulce Group Nutrition 0.000 description 1
- 235000010591 Appio Nutrition 0.000 description 1
- 208000024172 Cardiovascular disease Diseases 0.000 description 1
- 208000017667 Chronic Disease Diseases 0.000 description 1
- 206010011224 Cough Diseases 0.000 description 1
- 241000792859 Enema Species 0.000 description 1
- LFQSCWFLJHTTHZ-UHFFFAOYSA-N Ethanol Chemical compound CCO LFQSCWFLJHTTHZ-UHFFFAOYSA-N 0.000 description 1
- 206010021143 Hypoxia Diseases 0.000 description 1
- 240000008790 Musa x paradisiaca Species 0.000 description 1
- 208000008589 Obesity Diseases 0.000 description 1
- 208000025747 Rheumatic disease Diseases 0.000 description 1
- 210000003423 ankle Anatomy 0.000 description 1
- 230000036506 anxiety Effects 0.000 description 1
- 235000021015 bananas Nutrition 0.000 description 1
- 230000003542 behavioural effect Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 229920002678 cellulose Polymers 0.000 description 1
- 239000001913 cellulose Substances 0.000 description 1
- 230000019771 cognition Effects 0.000 description 1
- 230000003930 cognitive ability Effects 0.000 description 1
- 230000001149 cognitive effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 235000020940 control diet Nutrition 0.000 description 1
- 230000013872 defecation Effects 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 229940079593 drug Drugs 0.000 description 1
- 235000006694 eating habits Nutrition 0.000 description 1
- 230000002526 effect on cardiovascular system Effects 0.000 description 1
- 239000007920 enema Substances 0.000 description 1
- 229940095399 enema Drugs 0.000 description 1
- 230000005713 exacerbation Effects 0.000 description 1
- 210000002683 foot Anatomy 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000005548 health behavior Effects 0.000 description 1
- 235000012907 honey Nutrition 0.000 description 1
- 230000001146 hypoxic effect Effects 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 150000002632 lipids Chemical class 0.000 description 1
- 239000007788 liquid Substances 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 235000004213 low-fat Nutrition 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000004899 motility Effects 0.000 description 1
- 208000010125 myocardial infarction Diseases 0.000 description 1
- 235000020824 obesity Nutrition 0.000 description 1
- 229940127234 oral contraceptive Drugs 0.000 description 1
- 239000003539 oral contraceptive agent Substances 0.000 description 1
- 230000035935 pregnancy Effects 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 125000006239 protecting group Chemical group 0.000 description 1
- 238000000746 purification Methods 0.000 description 1
- 238000013102 re-test Methods 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000000552 rheumatic effect Effects 0.000 description 1
- 238000013077 scoring method Methods 0.000 description 1
- 230000005586 smoking cessation Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
- 238000001356 surgical procedure Methods 0.000 description 1
- 230000002885 thrombogenetic effect Effects 0.000 description 1
- 230000001732 thrombotic effect Effects 0.000 description 1
- 230000001755 vocal effect Effects 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
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
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/213—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods
Landscapes
- Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Physics & Mathematics (AREA)
- Artificial Intelligence (AREA)
- General Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Public Health (AREA)
- Medical Informatics (AREA)
- Databases & Information Systems (AREA)
- Pathology (AREA)
- Biomedical Technology (AREA)
- Epidemiology (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Medical Treatment And Welfare Office Work (AREA)
Abstract
本发明涉及智慧医疗技术领域，尤其涉及一种基于知信行健康教育模式的COPD患者静脉血栓预防系统，输入血栓预防患者元数据，从血栓预防患者元数据中提取入院时和入院前的患者元数据元组对，对患者元数据元组对执行测评处理，依据相似度距离计算来判断血栓预防患者元数据是否保持有效；对血栓预防患者元数据执行并发症检测，提醒并发症数据；当血栓预防患者元数据保持有效时，将并发症数据输入预警模型，提醒并发症数据的预警结果；逐个轮询并发症数据的预警队列中是否具有情况数量个预警结果，选取预警环节数量最多的提醒。本发明配合血栓的检测和预警模型，可以消去偶尔的不平稳，改善了在缩小后预警错误的结果，使整体的检测结果更加有效。
Description
技术领域
本申请涉及智慧医疗技术领域，尤其涉及一种基于知信行健康教育模式的COPD患者静脉血栓预防系统。
背景技术
静脉血栓栓塞症(venous thromboembolism，VTE)包括深静脉血栓形成(deepvenous thrombosis,DVT)和肺血栓栓塞症(pulmonary thromboembolism，PTE)两种临床类型。是同一疾病在不同阶段、不同部位的两种临床表现形式。是具有多种危险因素的潜在致死性疾病。VTE发生的风险与患者自身疾病、手术大小和部位、部分有创操作以及患者并存的其他危险因素（如高龄、妊娠、口服避孕药物、肥胖、制动等）有关，且常并发于其他疾病，是住院患者非预期死亡的重要原因之一。是仅次于心肌梗死和脑卒中的第三大最常见的心血管疾病。VTE其发病隐匿、临床症状不典型，容易误诊、漏诊，一旦发生，致死和致残率高；而VTE又是一种可防可治的疾病，积极有效的预防可以显著降低其发生率。国外研究数据提示，无论手术患者与非手术患者，40%-60%的患者存在 VTE 风险,而 VTE 高危人群预防比例很低，尤其在亚洲国家的预防比例则更低。一些高风险科室如肿瘤科、风湿免疫科、呼吸科、心血管内科等 VTE 高危患者占比较大，这部分人群如不采取血栓预防措施，则 VTE的患病率极高。
知信行健康教育模式通过健康行为及生活方式树立健康信念,提升和改善受教育者的知识、信念及行为促使患者积极主动控制和消除对健康有影响的危险因素,达到预防疾病、促进康复、提高生活质量的目的.
因此，为提高呼吸科患者及医务人员预防VTE的意识，促进医务工作者及患者积极主动采取预防VTE的措施，本研究采用将知信行理论运用到。
发明内容
本申请的主要目的在于提供一种可以减少血栓诱因检测时不平稳的技术方案，以解决现有技术中预警模型的鲁棒性较差，在检测过程中产生预警环节不平稳的情况。
为实现上述目的，本申请提供如下技术方案：
根据本发明第一方面，本发明请求保护一种基于知信行健康教育模式的COPD患者静脉血栓预防系统，其特征在于，包括：
输入血栓预防患者元数据，从所述血栓预防患者元数据中提取入院时和入院前的患者元数据元组对；
对所述患者元数据元组对执行测评处理，依据相似度距离计算来判断所述血栓预防患者元数据是否保持有效；
对所述血栓预防患者元数据执行并发症检测，提醒所述血栓预防患者元数据的并发症数据；
当所述血栓预防患者元数据保持有效时，将所述并发症数据输入预警模型，提醒所述并发症数据的预警结果；
逐个轮询所述并发症数据的预警队列中是否具有情况数量个预警结果，若是，选取预警环节数量最多的提醒，否则决策不提醒所述并发症数据的预警结果。
进一步的，所述对所述患者元数据元组对执行测评处理，依据相似度距离计算来判断所述血栓预防患者元数据是否保持有效，还包括：
依据相似度距离计算来判断入院时和入院前的患者元数据元组对中的两组元数据的语义距离，
若所述语义距离小于预设阈值，决策血栓预防患者元数据有效。
进一步的，所述依据相似度距离计算来判断入院时和入院时数-的患者元数据元组对中的两组元数据的语义距离，还包括：
将所述入院时和入院前的患者元数据元组对转换为指标标签，并执行情感极性处理；
对警告标准化处理的所述入院时和入院前的患者元数据元组对执行离散余弦变换；
所述入院时和入院前的患者元数据元组对的未配准数量，当所述未配准数量小于情况值时，判断所述血栓预防患者元数据保持有效，否则保持无效状态。
进一步的，所述对所述血栓预防患者元数据执行并发症检测，提醒所述血栓预防患者元数据的并发症数据，还包括：
所述并发症数据包括所述并发症的并发症坐标、并发症预警结果、血栓诱因变化数量、是否新增并发症预警结果。
进一步的，所述对所述血栓预防患者元数据执行并发症检测，提醒所述血栓预防患者元数据的并发症数据，还包括：
逐个判断所述血栓预防患者元数据中相隔一天的器官表现症状的严重程度值情况，判定前一天的某个血栓诱因与入院时中某个血栓诱因的严重程度值是否不小于第一阈值，且该严重程度值是其他天与入院时所有器官表现症状的比对的最大值；
若符合情况，认为前一天的某个血栓诱因与入院时中某个血栓诱因是同一个，更新血栓诱因的信息，若不符合情况，已发生血栓诱因变化数+1，新的血栓诱因初始化血栓诱因的并发症数据。
进一步的，所述对所述血栓预防患者元数据执行并发症检测，提醒所述血栓预防患者元数据的并发症数据，还包括：
当所述血栓预防患者元数据中存在连续三天变化的变化血栓诱因，将所述变化血栓诱因判断为无效血栓诱因，去除所述无效血栓诱因的所有数据；
当所述无效血栓诱因在严重程度值配准过程中因不符合配准成功的情况引起三次变化，当所述无效血栓诱因在三天观察后存在时，被判断为是新的血栓诱因。
进一步的，所述当所述血栓预防患者元数据保持有效时，将所述并发症数据输入预警模型，提醒所述并发症数据的预警结果，还包括：
将所述并发症数据输入预警模型，若所述并发症数据具有已发生数据，则将所述并发症数据的预警结果保存到已发生数据的预警结果中，否则将所述并发症数据的预警结果存储在初始化的预警队列中。
进一步的，所述逐个轮询所述并发症数据的预警队列中是否具有情况数量个预警结果，若是，选取预警环节数量最多的提醒，否则决策不提醒所述并发症数据的预警结果，还包括：
初始化预警队列，输入符合有效情况下第一天并发症数据的预警结果，将所述第一天并发症数据的预警结果放入所述预警队列中；
输入第二天并发症数据的预警结果，将所述第二天并发症数据的预警结果放入所述预警队列中，循环直至所有观察天的并发症数据的预警结果放入所述预警队列中;
判定所述预警队列中是否具有情况数量个预警结果，若是，选取预警环节数量最多的提醒，否则决策不提醒所述并发症数据的预警结果。
进一步的，当所述血栓预防患者元数据保持无效状态时，依据配准情况判断是否可以沿袭之前血栓诱因的预警结果；
当所述并发症数据为未配准的已发生血栓诱因时，为入院时没有存在但是之前存在过的血栓诱因，没有沿袭需求；
将已发生血栓诱因的变化数更新为变化数+1;
当所述并发症数据为未配准的新增血栓诱因时，为入院时存在但之前没有存在过的血栓诱因，没有沿袭情况;
当所述并发症数据为配准后具有已发生数据的血栓诱因且入院时也存在时，判断具有所述并发症数据的预警结果的天数量中是否达到情况数量，若是，选取预警环节数量最多的提醒，否则决策不提醒所述并发症数据的预警结果。
根据本发明第二方面，本发明请求保护一种基于知信行健康教育模式的COPD患者静脉血栓预防系统，其特征在于，包括：
一个或多个处理器；
存储器，其上存储有一个或多个程序，当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现所述的一种基于知信行健康教育模式的COPD患者静脉血栓预防系统。
本发明涉及智慧医疗技术领域，尤其涉及一种基于知信行健康教育模式的COPD患者静脉血栓预防系统，输入血栓预防患者元数据，从血栓预防患者元数据中提取入院时和入院前的患者元数据元组对，对患者元数据元组对执行测评处理，依据相似度距离计算来判断血栓预防患者元数据是否保持有效；对血栓预防患者元数据执行并发症检测，提醒并发症数据；当血栓预防患者元数据保持有效时，将并发症数据输入预警模型，提醒并发症数据的预警结果；逐个轮询并发症数据的预警队列中是否具有情况数量个预警结果，选取预警环节数量最多的提醒。本发明配合血栓的检测和预警模型，可以消去偶尔的不平稳，改善了在缩小后预警错误的结果，使整体的检测结果更加有效。
附图说明
图1为本申请实施例所请求保护的一种基于知信行健康教育模式的COPD患者静脉血栓预防系统的结构模块图；
图2为本申请实施例所请求保护的一种基于知信行健康教育模式的COPD患者静脉血栓预防系统的工作流程图；
图3为本申请实施例所请求保护的一种基于知信行健康教育模式的COPD患者静脉血栓预防系统的第二工作流程图；
图4为本申请实施例所请求保护的一种基于知信行健康教育模式的COPD患者静脉血栓预防系统的第三工作流程图；
图5为本申请第二实施例所请求保护的一种基于知信行健康教育模式的COPD患者静脉血栓预防系统的结构示意图。
具体实施方式
下面将结合本申请实施例中的附图，对本申请实施例中的技术方案执行清楚、完整地描述，显然，所描述的实施例仅是本申请的一部分实施例，而不是所有的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
本申请中的术语“第一”“第二”“第三”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”“第二”“第三”的特征可以明示或者隐含地包括至少一个该特征。本申请的描述中，“多个”的含义是至少两个，例如两个，三个等，除非另有明确具体的限定。本申请实施例中所有方向性指示（诸如上、下、左、右、前、后……）仅用于解释在某一特定姿态（如附图所示）下各部件之间的相对信息关系、运动情况等，若该特定姿态发生改变时，则该方向性指示也相应地随之改变。此外，术语“包括”和“具有”以及它们任何变形，意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、系统、系统、产品或设备没有限定于已列出的步骤或单元，而是可选地还包括没有列出的步骤或单元，或可选地还包括对于这些过程、系统、产品或设备固有的其它步骤或单元。
在本文中提及“实施例”意味着，结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个信息存在该短语并不一定均是指相同的实施例，也不是与其他实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是，本文所描述的实施例可以与其他实施例相结合。
随着院内VTE项目建设的推进，医护人员已意识到VTE预防护理的重要性，目前使用VTE的预防措施也多种多样，但是出现预防护理措施不一、护理水平良莠不齐,缺乏统一的规范和标准。目前影响VTE预防措施有效落实的因素有很多。基于知信行理论，有针对性指导医护人员对预防COPD血栓形成健康教育，最大程度激发患者的主观能动性,提高患者对疾病的认知能力，使患者主动参与到疾病的治疗与护理过程中，并从根本上改变患者的态度，提高患者预防VTE的依从性、主动性，使患者能够认识到康复锻炼对其疾病恢复的重要性，加强个人对疾病的自我管理，改善患者的生活方式，提高遵医行为，降低VTE的发生率。
根据本发明第一实施例，本发明请求保护一种基于知信行健康教育模式的COPD患者静脉血栓预防系统，参照附图1,包括元组对输入模块、测评模块、并发症检测模块、初步预警模块、血栓预警模块，参照图2，该系统的工作步骤包括：
S1，输入血栓预防患者元数据，从血栓预防患者元数据中提取入院时和入院前的患者元数据元组对；
S2，对患者元数据元组对执行测评处理，依据相似度距离计算来判断血栓预防患者元数据是否保持有效；
S3，对血栓预防患者元数据执行并发症检测，提醒血栓预防患者元数据的并发症数据；
S4，当血栓预防患者元数据保持有效时，将并发症数据输入预警模型，提醒并发症数据的预警结果；
S5，逐个轮询并发症数据的预警队列中是否具有情况数量个预警结果，若是，选取预警环节数量最多的提醒，否则决策不提醒并发症数据的预警结果。
其中，在该实施例中，所有患者在入院、出院24 小时内都要进行 VTE 风险评估，VTE高危每7天进行复评，发生病情变化时要再次评估，所有患者均采用Caprini评分量表。VTE评估出高危患者，床头给予“血栓风险”标识，并书面和口头告知患者/陪护相关风险，签字，并做相关健康指导。向患者讲解血栓预防相关知识，指导患者养成科学合理饮食习惯，改善不良生活方式，如戒烟限酒等。根据医嘱，使用药物预防和机械预防。
患者入院后，护士与患者进行沟通，了解患者对VTE相关知识的认知程度。通过沟通、交流，向患者及陪护讲解VTE相关知识，发放图文并茂的VTE宣传手册。让患者了解： VTE形成的危险因素、症状、体征、危害、相关预防知识，做好疾病的自我监测等。从知识层面调动患者的积极性。
COPD患者长期慢性缺氧，活动无耐力，反复感染，长期卧床，发生VET的风险很高。患者因此可能会出现焦虑、恐惧心理。此时护理人员及时向家属告知患者当前的心理状况，加强沟通，从而给患者树立战胜疾病的信心，让其积极配合医护人员进行治疗、功能锻炼、改变不良生活习惯等，主动参与到疾病的治疗与护理过程中，并从根本上改变患者的态度，提高患者预防VTE的依从性、主动性。
通过案例分享，面对面交流，解答患者问题，打消其顾虑，叮嘱患者遵从医嘱。建立护患群，不定期推送VTE相关资料，发放宣传资料。帮助COPD患者纠正错误的认知，并坚信通过改变不良生活方式，采取正确的功能锻炼方法，可有效预防VTE的发生。
根据COPD患者自身存在的危险因素，生活习惯等，帮助患者建立健康的行为。指导患者养成科学饮食习惯，控制血脂血糖，合理膳食。饮食上可予低脂、清淡、易消化食物，避免辛辣刺激、油腻食物。禁食者,遵医嘱补充液体，病情许可后指导其多饮水，多食纤维素丰富食物，如芹菜、韭菜、蜂蜜、香蕉，并保持大便通畅，必要时用开塞露等，避免用力排便。肥胖患者积极参加体育锻炼，控制饮食，减轻体重;吸烟饮酒患者鼓励患者戒烟戒酒。长期输液或经静脉给药者，避免下肢进行静脉穿刺。
根据患者病情，制定合理功能锻炼计划：卧床期间抬高下肢，定时进行下肢肢体的主动活动或被动活动，协助患者做踝泵运动、手指操、脚丫操等。避免膝下垫枕，过度屈髋，鼓励患者进行深呼吸及有效咳嗽。
护士按计划每日监督并检查患者的活动情况，通过再示范和讲解，提高其功能锻炼的正确性和依从性。病情允许，鼓励患者在陪护的帮助下早期下床活动。教会患者下床3部曲，避免跌倒。先在床上活动，再下床运动，逐步增加运动量。
告知避免病情加重的危险因素，指导家属督促、检查生活方式及行为的改变情况，功能锻炼的执行情况，遵医嘱服药的依从性等。
教会患者及家属自我监测的方法，对怀疑发生血栓时，遵医嘱进行治疗，做好出院指导。
进一步的，步骤S2，还包括步骤：
S21，依据相似度距离计算来判断入院时和入院前的患者元数据元组对中的两组元数据的语义距离，
S22，若语义距离小于预设阈值，决策血栓预防患者元数据有效，设置有效的阈值，阈值经多次测试得出。
进一步的，参照图3，步骤S21，还包括：
S211，将入院时和入院前的患者元数据元组对转换为指标标签，并执行情感极性处理；
S212，对警告标准化处理的入院时和入院前的患者元数据元组对执行离散余弦变换；
S213，入院时和入院前的患者元数据元组对的未配准数量，当未配准数量小于情况值时，判断血栓预防患者元数据保持有效，否则保持无效状态。
其中，在该实施例中，指标标签包括：
血栓知识掌握度：患者在干预前、出院时各测评一次；
自我管理能力：观察两组患者干预前，干预后1月，干预后3月的自我管理能力；
血栓发生情况：观察两组患者入院后2、6、8周的血栓发生情况；
净化度：观察两组患者干预前，出院前的血栓清除净化度。
下肢深静脉血栓形成病人自我管理量表以深静脉血栓形成病人为研究对象，在慢性病自我管理理论和下肢深静脉血栓形成循证医学行为学证据基础上建立起来的。该量表包括疾病症状管理、依从性管理、日常生活管理、情绪管理、自我管理效能5个维度,共22个条目的量表。量表 Cronbach’α内部一致性信度系数为 0.933。预实验调查得出该量表Cronbach’α内部一致性信度系数为 0.870，重测效度为 0.898。采用 Likter 5 级评分法评分，分别计算各维度得分，将各维度得分相加得到总分，分数越高，表示自我管理行为越好。
进一步的，步骤S3，还包括：
并发症数据包括并发症的并发症坐标、并发症预警结果、血栓诱因变化数量、是否新增并发症预警结果。
进一步的，步骤S3，还包括：
逐个判断血栓预防患者元数据中相隔一天的器官表现症状的严重程度值情况，判定前一天的某个血栓诱因与入院时中某个血栓诱因的严重程度值是否不小于第一阈值，且该严重程度值是其他天与入院时所有器官表现症状的比对的最大值；
若符合情况，认为前一天的某个血栓诱因与入院时中某个血栓诱因是同一个，更新血栓诱因的信息，若不符合情况，已发生血栓诱因变化数+1，新的血栓诱因初始化血栓诱因的并发症数据。
进一步的，步骤S3，还包括：
当血栓预防患者元数据中存在连续三天变化的变化血栓诱因，将变化血栓诱因判断为无效血栓诱因，去除无效血栓诱因的所有数据；
当无效血栓诱因在严重程度值配准过程中因不符合配准成功的情况引起三次变化，当无效血栓诱因在三天观察后存在时，被判断为是新的血栓诱因。
其中，在该实施例中，对使用的具体名称解释如下：
未配准的已发生血栓诱因：之前保存过的某器官表现症状数据与入院时存在的器官表现症状未达到配准情况，也就是已发生血栓诱因在入院时变化;
未配准的新增血栓诱因：入院时某血栓诱因的信息与之前存在过的器官表现症状未达到配准情况;
与已发生血栓诱因配准成功的新增血栓诱因：入院时的某器官表现症状与之前存在过的器官表现症状相配准，认为是同一血栓诱因。
进一步的，步骤S4，还包括：
将并发症数据输入预警模型，若并发症数据具有已发生数据，则将并发症数据的预警结果保存到已发生数据的预警结果中，否则将并发症数据的预警结果存储在初始化的预警队列中。
进一步的，参照图4，步骤S5，还包括：
S51，初始化预警队列，输入符合有效情况下第一天并发症数据的预警结果，将第一天并发症数据的预警结果放入预警队列中；
S52，输入第二天并发症数据的预警结果，将第二天并发症数据的预警结果放入预警队列中，循环直至所有观察天的并发症数据的预警结果放入预警队列中;
S53，判定预警队列中是否具有情况数量个预警结果，若是，选取预警环节数量最多的提醒，否则决策不提醒并发症数据的预警结果。
其中，在该实施例中，在有效情况符合的情况下，入院时的血栓诱因输入预警模型，未配准的已发生血栓诱因变化数+1；未配准的新血栓诱因输入预警模型，提醒入院时的结果，保存到预警队列；与已发生血栓诱因配准成功的新增血栓诱因可以输入预警模型，将提醒的入院时加入到预警队列中，再从中选取数量最多的预警环节提醒。
在15-26天中，相隔一天之间的血栓诱因都符合严重程度值配准的情况，所以这12天的血栓诱因是同一血栓诱因。预警模型在符合hash的有效情况下开启预警，在19、20、22、23天有预警结果，但是储存的结果队列长度不符合5，没有预警环节的提醒。在25、26天时符合该情况，提醒队列中数目最多的预警环节1。
进一步的，该系统还包括：
当血栓预防患者元数据保持无效状态时，依据配准情况判断是否可以沿袭之前血栓诱因的预警结果；
当并发症数据为未配准的已发生血栓诱因时，为入院时没有存在但是之前存在过的血栓诱因，没有沿袭需求；
将已发生血栓诱因的变化数更新为变化数+1;
当并发症数据为未配准的新增血栓诱因时，为入院时存在但之前没有存在过的血栓诱因，没有沿袭情况;
当并发症数据为配准后具有已发生数据的血栓诱因且入院时也存在时，判断具有并发症数据的预警结果的天数量中是否达到情况数量，若是，选取预警环节数量最多的提醒，否则决策不提醒并发症数据的预警结果。
其中，在该实施例中，情况不符合的情况下，入院时的血栓诱因是不会输入预警模型的，只能依据配准情况判断是否可以沿袭之前血栓诱因的预警结果。未配准的已发生血栓诱因为入院时没有存在的但是之前存在过的血栓诱因，没有沿袭需求。所以只需要将已发生血栓诱因的变化数更新到变化数+1;未配准的新增血栓诱因为入院时才存在，之前没有存在过的血栓诱因，没有沿袭情况;只有具有已发生数据且入院时也配准上的血栓诱因才需要判断是否可以沿袭已发生结果。
根据本发明第二实施例，参照图5，本发明请求保护一种基于知信行健康教育模式的COPD患者静脉血栓预防系统，包括：
一个或多个处理器；
存储器，其上存储有一个或多个程序，当一个或多个程序被一个或多个处理器执行，使得一个或多个处理器实现的一种基于知信行健康教育模式的COPD患者静脉血栓预防系统。
在本申请所提供的几个实施例中，应该理解到，所揭露的系统，装置和系统，可以依据其他的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是依据一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其他的形式。
另外，在本申请各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理具有，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。以上仅为本申请的实施方式，并非因此限制本申请的专利范围，凡是利用本申请说明书及附图内容所做的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本申请的专利保护范围。
以上对发明的具体实施方式执行了详细说明，但其只作为范例，本申请并不限制于以上描述的具体实施方式。对于本领域的技术人员而言，任何对该发明执行的等同修改或替代也都在本申请的范畴之中，因此，在不脱离本申请的精神和原则范围下所作的均等变换和修改、改进等，都应涵盖在本申请的范围内。
Claims (10)
1.一种基于知信行健康教育模式的COPD患者静脉血栓预防系统，其特征在于，包括：
元组对输入模块，输入血栓预防患者元数据，从所述血栓预防患者元数据中提取入院时和入院前的患者元数据元组对；
测评模块，对所述患者元数据元组对执行测评处理，依据相似度距离计算来判断所述血栓预防患者元数据是否保持有效；
并发症检测模块，对所述血栓预防患者元数据执行并发症检测，提醒所述血栓预防患者元数据的并发症数据；
初步预警模块，当所述血栓预防患者元数据保持有效时，将所述并发症数据输入预警模型，提醒所述并发症数据的预警结果；
血栓预警模块，逐个轮询所述并发症数据的预警队列中是否具有情况数量个预警结果，若是，选取预警环节数量最多的提醒，否则决策不提醒所述并发症数据的预警结果。
2.根据权利要求1所述的一种基于知信行健康教育模式的COPD患者静脉血栓预防系统，其特征在于，所述对所述患者元数据元组对执行测评处理，依据相似度距离计算来判断所述血栓预防患者元数据是否保持有效，还包括：
依据相似度距离计算来判断入院时和入院前的患者元数据元组对中的两组元数据的语义距离，
若所述语义距离小于预设阈值，决策血栓预防患者元数据有效。
3.根据权利要求2所述的一种基于知信行健康教育模式的COPD患者静脉血栓预防系统，其特征在于，所述依据相似度距离计算来判断入院时和入院时数-的患者元数据元组对中的两组元数据的语义距离，还包括：
将所述入院时和入院前的患者元数据元组对转换为指标标签，并执行情感极性处理；
对警告标准化处理的所述入院时和入院前的患者元数据元组对执行离散余弦变换；
所述入院时和入院前的患者元数据元组对的未配准数量，当所述未配准数量小于情况值时，判断所述血栓预防患者元数据保持有效，否则保持无效状态。
4.根据权利要求1所述的一种基于知信行健康教育模式的COPD患者静脉血栓预防系统，其特征在于，所述对所述血栓预防患者元数据执行并发症检测，提醒所述血栓预防患者元数据的并发症数据，还包括：
所述并发症数据包括所述并发症的并发症坐标、并发症预警结果、血栓诱因变化数量、是否新增并发症预警结果。
5.根据权利要求4所述的一种基于知信行健康教育模式的COPD患者静脉血栓预防系统，其特征在于，所述对所述血栓预防患者元数据执行并发症检测，提醒所述血栓预防患者元数据的并发症数据，还包括：
逐个判断所述血栓预防患者元数据中相隔一天的器官表现症状的严重程度值情况，判定前一天的某个血栓诱因与入院时中某个血栓诱因的严重程度值是否不小于第一阈值，且该严重程度值是其他天与入院时所有器官表现症状的比对的最大值；
若符合情况，认为前一天的某个血栓诱因与入院时中某个血栓诱因是同一个，更新血栓诱因的信息，若不符合情况，已发生血栓诱因变化数+1，新的血栓诱因初始化血栓诱因的并发症数据。
6.根据权利要求5所述的一种基于知信行健康教育模式的COPD患者静脉血栓预防系统，其特征在于，所述对所述血栓预防患者元数据执行并发症检测，提醒所述血栓预防患者元数据的并发症数据，还包括：
当所述血栓预防患者元数据中存在连续三天变化的变化血栓诱因，将所述变化血栓诱因判断为无效血栓诱因，去除所述无效血栓诱因的所有数据；
当所述无效血栓诱因在严重程度值配准过程中因不符合配准成功的情况引起三次变化，当所述无效血栓诱因在三天观察后存在时，被判断为是新的血栓诱因。
7.根据权利要求1所述的一种基于知信行健康教育模式的COPD患者静脉血栓预防系统，其特征在于，所述当所述血栓预防患者元数据保持有效时，将所述并发症数据输入预警模型，提醒所述并发症数据的预警结果，还包括：
将所述并发症数据输入预警模型，若所述并发症数据具有已发生数据，则将所述并发症数据的预警结果保存到已发生数据的预警结果中，否则将所述并发症数据的预警结果存储在初始化的预警队列中。
8.根据权利要求1所述的一种基于知信行健康教育模式的COPD患者静脉血栓预防系统，其特征在于，所述逐个轮询所述并发症数据的预警队列中是否具有情况数量个预警结果，若是，选取预警环节数量最多的提醒，否则决策不提醒所述并发症数据的预警结果，还包括：
初始化预警队列，输入符合有效情况下第一天并发症数据的预警结果，将所述第一天并发症数据的预警结果放入所述预警队列中；
输入第二天并发症数据的预警结果，将所述第二天并发症数据的预警结果放入所述预警队列中，循环直至所有观察天的并发症数据的预警结果放入所述预警队列中;
判定所述预警队列中是否具有情况数量个预警结果，若是，选取预警环节数量最多的提醒，否则决策不提醒所述并发症数据的预警结果。
9.根据权利要求1所述的一种基于知信行健康教育模式的COPD患者静脉血栓预防系统，其特征在于，当所述血栓预防患者元数据保持无效状态时，依据配准情况判断是否可以沿袭之前血栓诱因的预警结果；
当所述并发症数据为未配准的已发生血栓诱因时，为入院时没有存在但是之前存在过的血栓诱因，没有沿袭需求；
将已发生血栓诱因的变化数更新为变化数+1;
当所述并发症数据为未配准的新增血栓诱因时，为入院时存在但之前没有存在过的血栓诱因，没有沿袭情况;
当所述并发症数据为配准后具有已发生数据的血栓诱因且入院时也存在时，判断具有所述并发症数据的预警结果的天数量中是否达到情况数量，若是，选取预警环节数量最多的提醒，否则决策不提醒所述并发症数据的预警结果。
10.一种基于知信行健康教育模式的COPD患者静脉血栓预防系统，其特征在于，包括：
一个或多个处理器；
存储器，其上存储有一个或多个程序，当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器包括根据权利要求1至8中任意一项所述的一种基于知信行健康教育模式的COPD患者静脉血栓预防系统。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410284884.1A CN117877738B (zh) | 2024-03-13 | 2024-03-13 | 一种基于知信行健康教育模式的copd患者静脉血栓预防系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410284884.1A CN117877738B (zh) | 2024-03-13 | 2024-03-13 | 一种基于知信行健康教育模式的copd患者静脉血栓预防系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117877738A true CN117877738A (zh) | 2024-04-12 |
| CN117877738B CN117877738B (zh) | 2024-05-07 |
Family
ID=90590470
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202410284884.1A Active CN117877738B (zh) | 2024-03-13 | 2024-03-13 | 一种基于知信行健康教育模式的copd患者静脉血栓预防系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117877738B (zh) |
Citations (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20080146893A1 (en) * | 2006-12-13 | 2008-06-19 | Advanced Brain Monitoring, Inc. | Apnea risk evaluation system - automated prediction of risk for perioperative complications |
| US20090089079A1 (en) * | 2004-11-09 | 2009-04-02 | The Brigham And Women's Hospital, Inc. | System and method for determining whether to issue an alert to consider prophylaxis for a risk condition |
| US20110184250A1 (en) * | 2010-01-21 | 2011-07-28 | Asthma Signals, Inc. | Early warning method and system for chronic disease management |
| US20140278530A1 (en) * | 2013-03-15 | 2014-09-18 | WISC Image (MD) LLC | Associating received medical imaging data to stored medical imaging data |
| CN112434164A (zh) * | 2020-12-03 | 2021-03-02 | 西安交通大学 | 一种兼顾话题发现和情感分析的网络舆情分析方法及系统 |
| CN112466459A (zh) * | 2020-06-01 | 2021-03-09 | 四川大学华西医院 | 静脉血栓栓塞症主动预测、预警及全周期智能化管理系统 |
| CN114783587A (zh) * | 2022-03-21 | 2022-07-22 | 中国人民解放军总医院第一医学中心 | 严重急性肾损伤智能预测系统 |
| CN115148358A (zh) * | 2022-07-04 | 2022-10-04 | 简阳市人民医院 | 一种老年髋部骨折患者髋关节术后危险分析系统 |
| FR3125141A1 (fr) * | 2021-07-06 | 2023-01-13 | Universite D'evry Val D'essonne | Procédé automatique de segmentation d’un thrombus et d’une lésion dans une image tridimensionnelle cérébrale |
| CN116013466A (zh) * | 2023-01-10 | 2023-04-25 | 中国人民解放军总医院第二医学中心 | 一种患者围手术期风险评估方法及系统 |
| CN116561639A (zh) * | 2023-05-24 | 2023-08-08 | 北京计算机技术及应用研究所 | 一种面向开源情报的多模态数据情感分析方法 |
| RU2802386C1 (ru) * | 2023-01-09 | 2023-08-28 | Федеральное государственное бюджетное образовательное учреждение высшего образования "Рязанский государственный медицинский университет имени академика И.П. Павлова" Министерства здравоохранения Российской Федерации | Способ прогнозирования развития тромбоэмболии легочной артерии при проведении профилактики венозных тромбоэмболических осложнений у пациентов с новой коронавирусной инфекцией |
| CN117373675A (zh) * | 2023-12-07 | 2024-01-09 | 简阳市人民医院 | 一种基于smote算法的慢性阻塞性肺疾病再入院风险预测系统 |
| CN117672510A (zh) * | 2023-10-19 | 2024-03-08 | 武汉润和德康医疗数据有限公司 | 一种静脉血栓风险评估管控系统及方法 |
-
2024
- 2024-03-13 CN CN202410284884.1A patent/CN117877738B/zh active Active
Patent Citations (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20090089079A1 (en) * | 2004-11-09 | 2009-04-02 | The Brigham And Women's Hospital, Inc. | System and method for determining whether to issue an alert to consider prophylaxis for a risk condition |
| US20080146893A1 (en) * | 2006-12-13 | 2008-06-19 | Advanced Brain Monitoring, Inc. | Apnea risk evaluation system - automated prediction of risk for perioperative complications |
| US20110184250A1 (en) * | 2010-01-21 | 2011-07-28 | Asthma Signals, Inc. | Early warning method and system for chronic disease management |
| US20140278530A1 (en) * | 2013-03-15 | 2014-09-18 | WISC Image (MD) LLC | Associating received medical imaging data to stored medical imaging data |
| CN112466459A (zh) * | 2020-06-01 | 2021-03-09 | 四川大学华西医院 | 静脉血栓栓塞症主动预测、预警及全周期智能化管理系统 |
| CN112434164A (zh) * | 2020-12-03 | 2021-03-02 | 西安交通大学 | 一种兼顾话题发现和情感分析的网络舆情分析方法及系统 |
| FR3125141A1 (fr) * | 2021-07-06 | 2023-01-13 | Universite D'evry Val D'essonne | Procédé automatique de segmentation d’un thrombus et d’une lésion dans une image tridimensionnelle cérébrale |
| CN114783587A (zh) * | 2022-03-21 | 2022-07-22 | 中国人民解放军总医院第一医学中心 | 严重急性肾损伤智能预测系统 |
| CN115148358A (zh) * | 2022-07-04 | 2022-10-04 | 简阳市人民医院 | 一种老年髋部骨折患者髋关节术后危险分析系统 |
| RU2802386C1 (ru) * | 2023-01-09 | 2023-08-28 | Федеральное государственное бюджетное образовательное учреждение высшего образования "Рязанский государственный медицинский университет имени академика И.П. Павлова" Министерства здравоохранения Российской Федерации | Способ прогнозирования развития тромбоэмболии легочной артерии при проведении профилактики венозных тромбоэмболических осложнений у пациентов с новой коронавирусной инфекцией |
| CN116013466A (zh) * | 2023-01-10 | 2023-04-25 | 中国人民解放军总医院第二医学中心 | 一种患者围手术期风险评估方法及系统 |
| CN116561639A (zh) * | 2023-05-24 | 2023-08-08 | 北京计算机技术及应用研究所 | 一种面向开源情报的多模态数据情感分析方法 |
| CN117672510A (zh) * | 2023-10-19 | 2024-03-08 | 武汉润和德康医疗数据有限公司 | 一种静脉血栓风险评估管控系统及方法 |
| CN117373675A (zh) * | 2023-12-07 | 2024-01-09 | 简阳市人民医院 | 一种基于smote算法的慢性阻塞性肺疾病再入院风险预测系统 |
Non-Patent Citations (4)
| Title |
|---|
| KHALID AL-MUGHEED ，等: "Nursing Care and Barriers for Prevention of Venous Thromboembolism in Total Knee and Hip Arthroplasty Patients: A Qualitative Study", J MULTIDISCIP HEALTHC, vol. 28, no. 16, 28 February 2023 (2023-02-28), pages 547 - 556 * |
| 刘陆，等: "慢性阻塞性肺疾病患者肺康复训练的知信行现状及影响因素分析", 河北医药, vol. 44, no. 14, 31 July 2022 (2022-07-31), pages 2214 - 2217 * |
| 吕凤云;王静;: "知信行健康教育模式在全髋膝关节置换术后深静脉血栓预防中的应用", 当代护士(上旬刊), no. 02, 1 February 2017 (2017-02-01), pages 171 - 173 * |
| 杨坤地，等: "人性化护理干预对老年慢性阻塞性肺炎合并糖尿病患者中的临床应用及生活质量改善情况分析", 糖尿病新世界, 30 June 2017 (2017-06-30), pages 12 - 13 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117877738B (zh) | 2024-05-07 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Simkin et al. | The labor progress handbook: early interventions to prevent and treat dystocia | |
| Sessler et al. | The Richmond Agitation–Sedation Scale: validity and reliability in adult intensive care unit patients | |
| Drake et al. | Hutchison's Clinical Methods, An Integrated Approach to Clinical Practice With STUDENT CONSULT Online Access, 23: Hutchison's Clinical Methods | |
| Sarbay et al. | Performance of emergency triage prediction of an open access natural language processing based chatbot application (ChatGPT): A preliminary, scenario-based cross-sectional study | |
| Richards et al. | A Nurse's Survival Guide to the Ward-E-Book: A Nurse's Survival Guide to the Ward-E-Book | |
| Iannicelli et al. | Use of the North American nursing diagnosis association taxonomies, nursing intervention classification, nursing outcomes classification and NANDA-NIC-NOC linkage in cardiac rehabilitation | |
| CN113035296A (zh) | 用于icu后综合征的随访方法及系统 | |
| Cripe | “The scarlet C”: Exploring caesarean section stigma | |
| Wheatley-Smith et al. | Intensive physiotherapy for vegetative and minimally conscious state patients: a retrospective audit and analysis of therapy intervention | |
| Ryder-Lewis et al. | Reliability of the Sedation-Agitation Scale between nurses and doctors | |
| Raymond | Medicine as patriarchal religion | |
| Bürgi et al. | Swiss catalogue of learning objectives for undergraduate medical training | |
| CN117877738B (zh) | 一种基于知信行健康教育模式的copd患者静脉血栓预防系统 | |
| US20150242580A1 (en) | Systems and methods for point of care guidance | |
| Cole | Assessment and management of the trauma patient | |
| Silva et al. | Specialized nursing terminology in care of people infected with AIDS | |
| Langford et al. | Antimicrobial stewardship by family physicians | |
| Speedling et al. | Patient well-being: A responsibility for hospital managers | |
| Davis et al. | Evaluation of pain in the cognitively impaired patient in the emergency department | |
| Kasthuri | An Assessment of Knowledge Level on Insulin Therapy Among Nurses Before and After Educational Workshop | |
| Vilic | Vital signs monitoring and interpretation for critically ill patients | |
| Jevon | Choking 1: foreign-body airway obstruction in adults | |
| Hassanpour Azghadi et al. | Evidence from Iran: Determining the relationship between the five-factor personality traits and the coronavirus health guideline compliance. | |
| Wijdicks | Guide to the Comatose Patient: Expert advice for families and caregivers | |
| de Barros et al. | Development of the Nursing Assessment Tool for the Patient With Inflammatory Bowel Disease |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |