近几十年来,计算机及其相关技术一直出现在重症监护病房 (ICU) 中,其应用范围一直在稳步发展,特别是在协助患者沟通方面。然而,这种技术主要用于监测患者,而不是协助患者主动参与护理,无论是在治疗方面还是在表达所面临的特定痛苦方面,尤其是对于因插管/人工气道存在而无法沟通的患者。目前的文献表明,对于重症患者,除了身体残疾外,在 ICU 接受治疗时,患者还会受到巨大的负面心理影响,这种影响会一直延续到康复期,超过 20% 的幸存者患有创伤后应激障碍 (PTSD) 和严重的心理和身体健康问题。1,2 由于沟通障碍,尤其是在 COVID-19 大流行期间,由于使用 PPE,患者和护理人员之间的视觉、声音和听觉交流受到阻碍,这种情况被放大了。Happ 等人的一项研究。 3 在美国六个 ICU 中进行的调查显示,大约 50% 的 ICU 患者保留了交流能力,并且有可能在辅助交流技术(也称为“增强和替代交流”(AAC))的帮助下与护理人员进行有意义的互动,但这些技术在 ICU 患者的使用有限。“增强交流”被定义为对言语的补充,例如使用手势和面部表情,而替代交流是指完全依赖其他系统和技术进行交流,例如语音生成设备。”4 它们可以是无技术、低技术或高科技模式来辅助交流。“无技术”模式依靠面部表情和自愿动作(手语);低技术模式依靠纸张、书籍、包含图像、单词、常用短语或所有这些的组合的交流展示板;高科技模式依靠电子设备,包括从智能移动设备到集成硬件和软件的专用 AAC 技术。 5 AAC 还可根据使用工具或仅依赖人机交互分为辅助或非辅助。相关设备可以是固定或移动设备,如 iPad 或任何形式的定制平板电脑。目前正在进行研究,以利用技术与危重患者进行非语言交流,并大大缓解痛苦。
在MEDLINE,EMBASE和CINHAL中进行了系统的文献,以进行系统评价,荟萃分析和随机对照试验(RCT)(RCT),与ICU患者早期动员有关。文献综述包括有关干预措施,改进结果,所使用的移动性工具以及确定现有障碍的调查的数据。由约翰·霍普金斯医学(Johns Hopkins Medicine)进行的一项调查,为该项目选择了ICU(PMABS-ICU)的患者动员态度和信念。在内布拉斯加州医学的所有五个ICU中,通过电子邮件发送给ICU注册护士(RNS)和患者护理技术人员(PCTS)的邀请。此外,在每个单元中都发布了信息传单。调查包括27个问题和一个开放式的免费文本部分,以供评论。使用SPSS 28.0,检查了调查结果的总分数和知识,态度和行为的子量表。根据多年的工作经验和分配的ICU的分数差异。结果
Error 500 (Server Error)!!1500.That’s an error.There was an error. Please try again later.That’s all we know.
抽象的简介和目标。这项研究旨在比较传统和一次性床浴之间的微生物数量(微生物计数)的差异。材料和方法。这项研究具有两组的准实验。样本由传统床浴和一次性床浴组的30位受访者组成。获得了腹股沟的培养物,以比较沐浴前后的肉眼数量。结果。用一次性床浴洗澡已被证明在减少对照组的微生物和第I和第二天的干预组中更有效,p = 0.014和p = 0.033。结论。一次性床浴比传统的床浴更有效地减少皮肤上的微生物数量。关键字。一次性床浴,微生物的数量,传统的床浴
功能性MRI(fMRI)和EEG可能揭示意识障碍患者(DOC)的残留意识,这是由慢性文献的快速扩展的慢性文献所反映的。然而,尽管识别剩余意识是重症监护病房(ICU)临床决策的关键,但很少研究急性DOC。因此,前瞻性,观察性,第三级中心队列,IIB期研究“使用EEG和fMRI的神经严重护理队列研究中的意识研究”(Connect-ME,NCT02644265)的目的是评估fMRI和EEG的准确性,以评估fMRI和EEG的准确性,以识别ICU中急性文档中急性文档中的残留意识。在2016年4月至2020年11月之间,通过反复的临床评估(fMRI和EEG)检查了87例急性DOC患者,患有创伤性或非创伤性脑损伤。通过视觉分析,光谱频带分析和支持向量机(SVM)意识分类器评估静止状态的脑电图和外部刺激。此外,评估了针对规范静止状态fMRI网络的内部和区域内静止状态连接性。接下来,我们在研究入学时使用了EEG和FMRI数据,以两种不同的机器学习算法(随机森林和SVM与线性内核)区分以最低意识的状态或更高的(≥mcs)的患者与昏迷或无反应的醒目状态(≤UWS)的患者(≤UWS)在ICU中(或在ICU中)(或在ICU之前)(或在ICU之前)(或在ICU之前)在曲线下用面积(AUC)评估了预测性能。在研究入学人群中,87例DOC患者(平均年龄为50.0±18岁),女性为43%),51名(59%)为≤UWS,36(41%)为≥MC。三十一名(36%)患者在ICU中死亡,其中28例撤离生命疗法的患者。eeg和fMRI预测了研究入学和ICU出院时的意识,最大AUC为0.79(95%CI 0.77-0.80)和0.71(95%CI 0.77-0.80)。基于脑电图组合和fMRI组合的模型可预测研究入学率和ICU放电时的意识水平,最大AUC为0.78(95%CI 0.71-0.86)和0.83(95%CI 0.75-0.89),具有IM证明积极的预测值和敏感性。总体而言,机器学习算法(SVM和随机森林)的表现同样出色。总而言之,我们建议ICU中的急性DOC预测模型是基于fMRI和EEG特征的组合,无论使用的机器学习算法如何。
卫生公平被定义为每个人都有公平而公正地实现最高健康水平的国家。实现健康平等被认为可以改善社区的福祉,降低医疗保健成本,并提高生产力和寿命。但是,健康差异仍然很大。在这种情况下,大规模数据收集和分析的新时代为诊断和了解健康不平等的原因提供了机会。在这项研究中,我们描述了使用因果推断工具系统地分析健康差异的框架。我们通过调查澳大利亚多数族裔与少数群体之间的种族和种族差异(ICU)(ICU)(ICU)(土著与非土著)和美国(非裔美国人与白人)之间的种族和种族差异来说明框架。我们证明,量化不平等的常用统计措施不足,并专注于将观察到的差异归因于产生它的因果机制。我们发现,少数族裔患者在入院时年龄较小,患有慢性健康,更有可能出于紧急和非安全原因而被录取,并且患病严重程度更高。同时,我们还发现属于少数群体的保护性直接效应,与大多数人相比,少数族裔患者的生存率提高,所有其他变量都相等。然后,我们证明这种保护效应与ICU接纳的可能性增加有关,而少数族裔患者患ICU的风险增加。此外,我们还发现,少数族裔患者在提高生存率的同时,实际上更有可能被重新入学到ICU。这些发现支持以下假设:由于获得初级卫生保健的机会较差,少数族裔患者更有可能在ICU中出现可预防的条件,从而导致死亡率降低并产生似乎具有保护性的作用。由于ICU入院的基线风险可能会因为缺乏获得初级保健服务而成为代理人,因此我们开发了本地重症监护股(IICE)雷达,这是一种监测系统,该监测系统可通过澳大利亚本地人口在跨地理区域中追踪ICU资源过度利用ICU资源。
“与ICU位置相遇”,“由于患者拒绝而没有机械或药理学VTE预防”,“没有进行或订购的VTE预防药物” [“药物,未服用”:或“药物”:“未施用”:“未命令”,未订购”: “可注射因子XA抑制剂进行VTE预防”]或“ Warfarin”]或“用于VTE预防的Rivaroxaban”]或“没有进行或有序的机械VTE预防或有序的机械VTE” [“程序,未执行”,未执行“执行”: [“设备,未订购”:“间歇性气动压缩装置”]或“静脉脚泵”]或“静脉泵”]或“渐变的压缩袜”],其中(否定理由)“患者拒绝”(上面是内部的定义)“无效的VTE预防是由于病人从临时住院或日期住院期间的日期住院时间,而不是预期的,ICU的日期是ICU的日期,而ICU的日期始终是ICU的日期。手术后一天或一天之后,由于患者拒绝拒绝而引起的预防:[“程序,执行”结束后的日历日或一天之后:“一般或神经麻醉”]结束。
摘要:在新生儿重症监护病房 (NICU) 进行长期脑电图监测的挑战在于,在技术经验有限的情况下,如何找到建立和维持足够记录质量的解决方案。本研究评估了皮肤电极接口的不同解决方案,并开发了新生儿一次性脑电图帽。将几种替代皮肤电极接口材料与传统凝胶和糊剂进行了比较:导电纺织品(纹理和编织)、导电尼龙搭扣、海绵、高吸水性水凝胶 (SAH) 和水纤维片 (HF)。比较包括对选定材料的脱水评估和信号质量记录(皮肤相间阻抗和电力线 (50 Hz) 噪声)。测试记录是使用集成在前臂袖子或前额带中的按扣电极以及皮肤电极接口来模拟脑电图帽进行的,目的是在未准备的皮肤上进行长期生物信号记录。在水合测试中,导电纺织品和尼龙搭扣表现不佳。虽然 SAH 和 HF 在模拟孵化器环境中保持充分水合超过 24 小时,但海绵材料在前 12 小时内脱水。此外,SAH 被发现具有脆弱的结构,并且在 12 小时后容易产生电气伪影。在电阻抗和肌肉活动记录比较中,厚层 HF 的结果与未经准备的皮肤上的传统凝胶相当。此外,通过 1-2 Hz 和 1-20 Hz 归一化相对功率谱密度测量的机械不稳定性与使用皮下电极的临床 EEG 记录相当。结果共同表明,皮肤-电极界面处的厚层 HF 是无需准备的长期记录的有效候选者,具有许多优点,例如持久的记录质量、易于使用以及与敏感的婴儿皮肤接触的兼容性。
AngelEye Health 医疗技术经理 Patrick Tinsley 博士表示:“凭借我们解决方案库的互补性和我们收集的数据的多样性,AngelEye 拥有独特的机会来彻底改变新生儿重症监护室 (NICU) 护理,从出生到出院及以后。利用我们在全国 NICU 中完善的摄像头基础设施,我们可以加快传统 AI/ML 流程的每个组成部分,从数据收集到模型训练和部署。”“我们对未来 NICU 的愿景包含许多不同的目标,我们相信所有这些目标都可以通过结合计算机视觉和机器学习技术来实现。通过访问大量不同类型的数据,我们将 AI 引入 NICU 的努力将支持个性化的喂养计划、评估神经运动功能和规划适当的出院疗程,直接使 NICU 护士、患者和家属受益。”
这是一项历史研究,对在巴西里奥格兰德·德·苏尔(Rio Grande do Sul)的Porto Alegre医院小儿ICU进行心脏手术的前7天进行了心脏手术的患者,平均为125次住院和每月35次心脏手术。其儿科ICU是一个第四纪护理部门,具有不同类型的复杂病理,心脏术后期,移植和各种先天性畸形的患者。它还为非手术疾病提供晚期临床护理。该单元为18岁以下的患者提供40张病床。医院与阿雷格尔大学联邦联邦大学Dasaúdede Porto Alegre有关,并与儿科和儿科重症监护室进行了医疗住院医师计划。数据。审查了小儿ICU的前7天。为了保留收集的统一性,所有数据均由主要研究人员审查。样本是根据便利性和以下所述的包含和排除标准定义的。