基于RCA-PDCA护理方法和差异化因素的机器学习模型,用于预测剖腹产手术期间的低血压
Xue Yang1, Yu-Mei Li1, Qiong Wang1
1Operating Room, The Affiliated Traditional Chinese Medicine Hospital, Southwest Medical University, Lu Zhou 646000, Sichuan, China.
Computers in biology and medicine
|April 10, 2024
概括
根源原因分析-计划,做,检查,行动 (RCA-PDCA) 护理模式有效降低剖腹产期间的手术内低血压. 一个机器学习模型在预测低血压方面实现了90%的准确性,提高了患者的安全性.
科学领域:
- 麻醉学 麻醉学
- 护理科学 护理科学
- 医疗信息学 医疗信息学
背景情况:
- 术内低血压是剖腹产期间的一种严重并发症,通常用具有副作用的药物进行治疗.
- 根源原因分析-计划,做,检查,行动 (RCA-PDCA) 模型提供了一种系统的方法来识别和解决问题的原因.
- 本研究探讨了RCA-PDCA在剖腹产期间管理低血压的应用.
研究的目的:
- 评估RCA-PDCA护理模型在剖腹产期间预防手术内低血压的有效性.
- 开发和评估一种机器学习模型,用于预测剖腹产患者的手术内低血压.
主要方法:
- 对剖腹产患者数据的回顾性分析,包括生命体征,人口统计和结果.
- 对影响低血压的统计学显著特征的查.
- 开发和评估用于预测分析的五种机器学习模型.
主要成果:
- 与一般护理相比,RCA-PDCA护理模式显著降低了手术内低血压和术后并发症的发生率.
- 随机森林 (RF) 机器学习模型在预防手术内低血压方面表现出最高的预测性能,准确率为90%.
- 患者的体验,包括舒适度和满意度,通过RCA-PDCA模型得到改善.
结论:
- 在剖腹产时,RCA-PDCA护理方法对于预防手术内低血压至关重要.
- 随机森林模型显示了预测低血压的重大前景,在医学分析中推进AI.
- 这种综合方法提高了剖腹产期间母亲和胎儿的安全.
