一项基于BERTopic模型的回顾性研究,分析住院患者床上摔倒事件的危险因素

科学领域:

• 医学人工智能和自然语言处理
• 护理和患者安全研究研究
• 医疗保健信息学 医疗保健信息学

背景情况:

• 在医院环境中,患者倒对医疗保健的安全性和质量构成重大风险.
• 识别导致患者跌倒的因素对于制定有效的预防策略至关重要.
• 分析摔倒报告的传统方法可能无法捕捉风险因素的细微差别.

研究的目的:

• 创新地应用BERTopic模型,用于对患者床上摔倒报告的综合主题建模.
• 识别和理解导致床上倒的多方面的因素.
• 为增强患者安全和减少跌倒事件提供数据驱动的基础.

主要方法:

• 在北京大学第三医院 (2014-2024) 进行了102份护士记录的床上摔倒报告的回顾性分析.
• 利用Python中的BERTopic库进行预处理文本数据的高级主题建模.
• 通过将可视化结果与专业护理知识相结合,手动汇总了次要主题.

主要成果:

• 确定了22个次要主题,整合成五个核心主题:患者因素,病房设备/环境,药物风险,护理人员因素和护理实践.
• 强调了医院环境的关键作用,特别是床边安全和患者床轨道相互作用.
• 可视化包括集群条形图,主题分布图和主题相似度矩阵.

结论:

• 成功地使用BERTopic技术来发现患者床上的风险因素,从替代数据来源下降.
• 这些发现为优化护理流程,改善病房环境和加强培训提供了科学基础.
• 旨在减少患者跌倒,提高医疗安全,提高护理质量,提升患者体验.