第一部分心血管病患者健康素养评估工具的定性系统评价目的:采用循证医学中系统评价的方法,总结国内外心血管疾病患者健康素养评估工具的概念维度、测试时间以及主要特点。为广大科研人员和医疗工作者在不同环境中选择工具时提供参考。方法:全面检索Pub Med、Web of Science核心库、中国知网(CNKI)、维普中文科技期刊数据库(VIP)、万方数据在线知识服务平台(WF)、中国生物医学文献数据库(CBM)六大数据库从建库至2021年5月发表的文献,纳入有关心血管疾病患者健康素养测量的文献。由两名研究人员使用明确的纳入排除标准进行标题和摘要筛选以及全文筛选后,进行数据提取。运用定性的研究方法,系统、全面地总结纳入文献的各项信息。结果:一共检索到2652篇文献,其中Pub Med有455篇,Web of Science核心库有567篇,CNKI有866篇,VIP有51篇,WF有139篇,CBM有558篇,经过筛选后最终纳入175篇文献。结果显示,使用的工具超过20种;量表条目3至98条不等,评估用时2至30分钟不等,测量维度包括功能性、交流性、批判性健康素养。结论:目前健康素养评估工具种类繁多。工具的多样性导致测量上的不一致,使解释不同研究结果和为新研究选择适当工具变得更加复杂。在国内复杂的临床环境中,the Brief Health Literacy Screen(BHLS)量表也许是最适合心血管疾病患者健康素养的评估工具。第二部分健康素养对AMI患者就医决策延迟的影响目的:急性心肌梗死(acute myocardial infarction,AMI)患者普遍存在就医延迟,而来自患者的决策延迟是主要部分。本研究旨在调查健康素养对患者决策延迟可能存在的影响,为改善决策延迟提供科学依据。方法:本研究采用连续纳入的方法,对2020年10月至2021年3月在重庆市某三甲医院心内科确诊并符合纳入排除标准的所有AMI患者进行调查。问卷包括一般情况、健康素养、发病时资料以及临床资料。其中健康素养采用the Brief Health Literacy Screen(BHLS)量表,其他部分使用自编问卷。BHLS总分>9分则视为健康素养充足;根据美国心脏协会的建议,决策时间在60min以上则视为决策延迟。使用软件Epi Data 3.1录入回收的问卷,软件SPSS 26.0分析数据,根据决策时间将患者分为延迟组与非延迟组,组间差异采用卡方检验和Mann-Whitney U检验比较,健康素养与决策延迟间的相关性采用二元Logistic回归分析。使用软件G*power 3.1.9.7进行事后功率分析。结果:(1)共214名AMI患者纳入本研究,其中男性165(77.1%)人,女性49(22.9%)人,年龄从30岁至85岁,已婚185(86.4%)人,文化程度在小学及以下70(32.7%)人,初中至高中97(45.3%)人,大学及以上47(22.0%)人。城市居民193(90.2%)人,农村居民21(9.8%)人。157(73.4%)人使用的手机为智能机,57(26.6%)人的手机是非智能机。与家人或室友一起居住的患者有195(91.1%)人,独居患者有19(8.9%)人。(2)在公共场所发病的患者有41(19.2%)人,在家中发病有172(80.8%)人;146名患者(68.7%)发病时有家属在身边;发病时处于活动状态的有67(31.3%)人,处于休息状态的有147(68.7%)人;有120(56.3%)人发病后症状一直持续,93(43.7%)人休息后可缓解;发病后20分钟内,有59(27.6%)人选择等待症状自行消失,84人(39.3%)选择自己处理,34(15.9%)人选择告诉身边人,37(17.3%)人选择直接去医院。214名AMI患者中合并冠心病的有33(15.4%)人,高血压121(56.5%)人,糖尿病84(39.3%)人,心衰36(16.8%)人,吸烟113(52.8%)人,饮酒78(36.4%)人。(3)拥有充足健康素养的患者有58(27.2%)人,健康素养水平低下的患者有155(72.8%)人。发生就医决策延迟132(61.7%)人,中位决策时间为2.8h,决策非延迟82(38.3%)人,中位决策时间为0.5h。决策非延迟组健康素养总分高于延迟组,差异具有统计学意义。低健康素养组比高健康素养组更容易发生就医决策延迟(OR=4.46,95%CI=1.91-10.41,P=0.001)。与发病后选择等待症状消失的患者相比,选择告诉身边人和直接去医院的患者更不容易发生决策延迟,差异具有统计学意义(OR=0.34,95%CI=0.12-0.96,P=0.042;OR=0.01,95%CI=0.00-0.06,P<0.000)。与非ST段抬髙型
目的探讨老年喉癌患者发生术后谵妄(Postoperative delirium,POD)的危险因素,建立列线图模型并验证其效能。方法收集2017年6月~2023年1月福建省肿瘤医院收治的426例老年喉癌患者作为建模组,采用LASSO回归、十折交叉验证筛选POD的相关变量,Logistic回归分析确认独立危险因素,采用R软件建立列线图模型并进行内部验证。选取2020年3月~2022年12月福建医科大学附属协和医院收治的135例老年喉癌患者作为验证组,对模型进行外部验证。结果建模组和验证组的基线资料比较,差异无统计学意义(P>0.05)。建模组中,年龄、糖尿病、美国麻醉医师协会(American society of anesthesiologists,ASA)分级、术前血清白蛋白是POD的独立危险因素(P<0.05)。建模组和验证组的受试者工作特征曲线下面积(Area under the receiver operator characteristic curve)分别为0.803(95%CI:0.746~0.959)和0.790(95%CI:0.701~0.879)。两组的校正曲线表明预测结果和实际结果的一致性良好。结论本研究建立的老年喉癌患者POD列线图模型具有较好的预测效能,有助于临床医护人员早期识别高风险老年喉癌患者。
暂无评论