用人工智能驱动的解决方案对接受微创心脏干预的患者进行过渡性护理的需求分析:一种混合方法方法

科学领域:

• 心脏病学 心脏病学
• 数字健康数字健康
• 医疗保健服务研究 医疗服务研究

背景情况:

• 最少侵入性心脏干预 (MICI) 患者在出院后面临高回收风险 (高达10%).
• 技术创新,特别是人工智能,显示出改善过渡期护理结果的潜力.
• 清楚了解患者需求对于开发有效的人工智能解决方案至关重要.

研究的目的:

• 在MICI患者从医院到家庭的过渡期间,系统地确定患者的需求.
• 引导开发人工智能驱动的解决方案,旨在降低再接收率并提高临床结果.
• 为以患者为中心的过渡期护理干预措施的设计提供信息.

主要方法:

• 使用定量和定性数据进行融合并行混合方法设计.
• 使用卡诺模型对四家医院137名MICI患者的数据进行调查分析.
• 定性访谈以捕捉全面的患者需求,包括未被调查覆盖的需求.

主要成果:

• 卡诺模型分析显示",一维"需求 (健康监测,药物指导,症状管理,运动计划) 显著影响了满意度.
• "有吸引力的"要求包括持续的运动监测和饮食规划.
• 定性数据突出了伴随性疾病管理,心理支持和财务透明度的重要性,而这些问题无法通过定量措施来解决.

结论:

• 建议使用人工智能驱动的个性化健康监测,药物指导和症状管理系统.
• 建议开发个性化的炼和饮食工具,以及基于知识的平台.
• 解决并发症管理,心理支持和财务透明度对于全面的过渡性护理至关重要.