XiaoMi-AI文件搜索系统
World File Search System出院
实施计划，以增强出院药物服务（DMS）服务并提高基于病房的药房技术人员的临床能力 -
DMS改善了护理部门之间的沟通，提高患者的安全性，并有助于减少与药物相关的重新吸收。要在信托内实施该服务，任命心脏MMPT总体负责心脏转诊和咨询。然后对所有MMPT进行了培训并提高了训练，以便能够有效地咨询并推荐相关患者，然后他们的社区药房可以在二级护理中进行跟进。培训计划已开发并提供，以赋予MMPTS DMS的关键技能和心血管药物知识。一旦受过培训，心脏MMPT和MMPT劳动力就能够识别，咨询和参考相关患者。结果表明，在8个月内确定了200名心脏病患者，其中41％（n = 81）在其新药/更改药物方面得到了咨询。200名患者中有47％（n = 94）已提交给社区药房的心脏转诊，该药房接受了30％（n = 29）。该项目增强了MMPT的临床作用，并提高了药房服务的质量和效率。结果表明，MMPT技能/知识的发展使心脏病患者的护理和安全受益。
行政和违反医疗建议的出院......
修订日期：2023 年 2 月 28 日 2023 年 5 月 10 日 批准人： 备注：（选中所有适用项） ☐ DSAMH 内部政策 ☒ DSAMH 运营的计划 ☒ DSAMH 州立医疗服务提供者 ☐ 特拉华州精神病中心 ☐ 针对性使用政策（范围已定义） I. 目的：本政策旨在为与药物滥用和精神健康司 (DSAMH) 签约的医疗服务提供者提供的服务解除合同的程序提供指导，这些服务会导致行政解除合同或消费者不顾医嘱终止服务。这些解除合同代表在获得康复技能之前已停止康复服务的客户。不当解除客户合同可能被视为忽视患者。 II. 政策声明：DSAMH 的政策是要求所有由 DSAMH 运营、签约、
出院时福利发放 (BDD) 概述
• 如果您距离 BDD 办公室不远，您可以通过 VERA - 德国 BDD 或 VERA - 韩国 BDD 的访客参与报告应用程序 (VERA) 安排电话预约。请在特殊要求部分添加注释，注明您的电话号码（包括国家代码）。
急性冠状动脉综合征：出院指南
定期进行锻炼，会使您的心脏和身体更坚强。按照您的医师批准遵循以下准则：■每天至少将活动提高到至少30分钟。■从出院后一天开始的有限步行计划开始。- 开始缓慢。逐渐增加您行走的距离和时间。- 遵循您的医生概述的指南。■与您的医生谈论加入医学监督的心脏康复
出院时发放福利 (BDD)
退役福利发放 (BDD) 办公室协助 ETS 和退休军人办理退役前 VA 残疾索赔手续。如果您有兴趣提交退役前 VA 索赔，请参加我们每周三 09:00 在过渡援助计划设施礼堂（9230 号楼）举行的简报会。简报会大约持续 2 个半小时。无需注册即可参加简报会，但出席人数以先到先得为准。军人无需有医疗记录即可参加此简报会。但应尽早申请医疗记录，以确保在 180-90 天的 BDD 窗口内收到。简报会将包括问答部分。MSC 将解决当时简报会中未涉及的所有问题/疑虑或特殊情况。
糖尿病成人患者的出院计划
免责声明 本指南中包含的信息是开发和咨询小组对当前治疗的看法的共识。它应与任何当地政策/程序/指南结合使用，并应根据信托临床治理流程获得使用批准。在准备指南中包含的信息时已采取谨慎态度。尽管如此，任何寻求查阅指南、应用其建议或使用其内容的人都应根据个人临床情况使用独立的个人医疗和/或临床判断，或寻求合格临床医生的监督。该小组对指南内容或其使用或应用不作任何形式的陈述或保证，并且不以任何方式对其使用或应用承担任何责任。
应用Lewin的变更管理理论来改善患者的出院计划
背景：Kurt Lewin的变更管理理论提供了一种战略方法，可以帮助护士计划，实施和评估拟议的变更。此外，讨论了护士如何将其应用于成功实施出院计划。目的：应用Lewin的变更管理理论来改善患者的出院计划。方法：一种准实验性的研究设计，用于（50）个员工护士和（50）患者的方便样本，肿瘤学中心 - 曼桑拉大学。使用了四个工具，“出院教育护理问卷，观察工具，结构化的患者访谈和出院计划后续调查表。结果：在实施教学课程后，护士对教学方法的知识得到了显着改善。大多数员工护士（90％）在执行教学方法的教学课程后，在患者出院教育期间具有令人满意的表现水平，而（100％）的教学课程之前的表现不令人满意。此外，大多数患者（98％）在实施护士的教学方法后，就其出院计划具有令人满意的知识水平。在实施培训课程之前和之后，护士关于教学方法的知识与他们在出院教育期间的表现之间没有关系。结论：使用Lewin的变更管理理论为员工护士实施教学会议之前和之后存在统计学上的显着差异。建议：在卫生保健组织中纳入患者出院计划中的教学方法。将“教导”添加到新雇用的员工护士的中心培养教育中。制定医院政策以在出院教学期间实施教学。
头部受伤出院须知，儿童和
• 闭合性头部损伤是指头部受到的撞击没有使颅骨破裂。常见的闭合性头部损伤通常是脑震荡或脑挫伤。如果大脑震动，则称为“脑震荡”。如果是脑出血，则称为“脑挫伤”。这种损伤可能导致大脑肿胀或受压。闭合性头部损伤可能轻或重。损伤的严重程度取决于大脑肿胀和受压。
已发布版本的引文 (APA)：van de Sande, D., van Genderen, ME, Verhoef, C., Huiskens, J., Gommers, D., van Unen, E., Schasfoort, RA, Schepers, J., van Bommel, J., & Grünhagen, DJ (2022)。使用基于人工智能的决策支持工具 (DESIRE) 优化大型手术后的出院：一项外部验证研究。外科 (美国)，172 (2)，663-669。https://doi.org/10.1016/j.surg.2022.03.031 EUR 研究信息门户上的出版物链接
背景：在 DESIRE 研究中（使用人工智能预测术后出院），我们之前已经在 1,677 名胃肠道和肿瘤外科患者中开发并验证了一种机器学习概念，该概念可以预测术后第二天后的安全出院。尽管模型在学术外科人群中表现出色（受试者工作特征曲线下面积为 0.88），但这些发现是否可以推广到其他医院和外科人群仍不得而知。因此，我们旨在确定之前开发的机器学习概念的普遍性。方法：我们在 2017 年 1 月至 2021 年 6 月期间入住荷兰 3 家非学术医院的胃肠道和肿瘤外科患者中对机器学习概念进行了外部验证，这些患者在手术后 2 天内仍住院。主要结果是预测术后第二天医院干预的能力，这些干预被定义为计划外的再次手术、放射学干预和/或静脉注射抗生素。对四个森林模型进行了本地训练，并根据受试者工作特征曲线下面积、敏感性、特异性、阳性预测值和阴性预测值进行了评估。结果：所有模型都对 1,693 例病例进行了训练，其中 731 例（29.9%）需要医院干预，并表现出良好的性能（受试者工作特征曲线下面积仅变化 4%）。最佳模型实现了 0.83 的受试者工作特征曲线下面积（95% 置信区间 [0.81 e 0.85]）、敏感度为 77.9%（0.67 e 0.87）、特异度为 79.2%（0.72 e 0.85）、阳性预测值为 61.6%（0.54 e 0.69），阴性预测值为 89.3%（0.85 e 0.93）。结论：这项研究表明，先前开发的机器学习概念可以通过对本地患者数据进行模型训练来预测不同外科人群和医院环境（学术与非学术）中的安全出院。鉴于其高准确性，将机器学习概念整合到临床工作流程中可以加快外科出院速度，并通过减少可避免的住院天数来帮助医院应对容量挑战。© 2022 作者。由 Elsevier Inc. 出版。这是一篇根据 CC BY 许可 ( http://creativecommons.org/licenses/by/4.0/ ) 开放获取的文章。