通过基于聊天机器人的伤口感染数字监测将患者报告和临床医生评估的伤口状态联系起来:回顾性观察性研究

科学领域:

• 数字健康数字健康
• 伤口护理技术 伤口护理技术
• 患者报告的结果

背景情况:

• 通过智能手机进行数字伤口监测是可行的,但患者对医院出院后急性伤口变化的感知尚未得到充分研究.
• 了解患者自我评估的准确性对于在伤口护理中可靠的数字健康系统至关重要.

研究的目的:

• 评估患者报告的感染症状的诊断性能,以便在聊天机器人伤口监测平台中预测回调.
• 确定与患者报告的感染相关的伤口特征,并比较急性与慢性伤口群体.

主要方法:

• 在高等医疗中心使用基于聊天机器人的监控系统 (Line应用程序) 进行了回顾性观察性研究.
• 患有急性或慢性伤口的成年人每天提交症状报告和照片;患者自我报告的感染是预测因素.
• 后勤回归和GEE模型分析了数据,考虑了伤口类型,年龄和性别.

主要成果:

• 159名患者 (88名急性,71名慢性伤口) 提交了4764张照片.
• 急性伤口的诊断准确性 (AUC 0.702) 低于慢性伤口 (AUC 0.907).
• 在急性伤口中,与感染相关的红色;在慢性伤口中,红色和皮肤变黑.

结论:

• 患者对感染症状的感知和报告在急性和慢性伤口群体之间存在显著差异.
• 由于经验有限,急性伤口的诊断准确度较低凸显了患者自我评估的挑战.
• 数字伤口监测系统需要根据伤口慢性和患者经验量身定制,可能使用人工智能.