目的通过循证护理学方法,检索、评价并总结尘螨过敏人群的室内环境控制最佳证据,为室内尘螨防控和环境控制提供依据。方法检索BMJ Best Practice、UpToDate、BMJ Clinical Evidence等决策支持系统,国际和国家级指南库,以及Cochrane、Pub...
详细信息
目的通过循证护理学方法,检索、评价并总结尘螨过敏人群的室内环境控制最佳证据,为室内尘螨防控和环境控制提供依据。方法检索BMJ Best Practice、UpToDate、BMJ Clinical Evidence等决策支持系统,国际和国家级指南库,以及Cochrane、PubMed、Embase等数据库。检索关于室内尘螨防控的临床实践指南、证据总结、专家共识、系统评价、Meta分析,检索时限为建库至2023年12月24日。由2名研究者进行文献质量评价和资料提取。结果共纳入17篇文献,包括3篇临床决策、3篇指南、1篇证据总结、1篇专家共识、7篇系统评价和2篇Meta分析,归纳总结了25条最佳证据,主要涵盖以下内容:(1)人群干预:对于尘螨过敏原检测阳性或出现过敏症状的患者,建议采取多种联合措施控制尘螨过敏原;(2)湿度控制:通过除湿机、空调等设备控制室内相对湿度为35%~50%,结合使用湿度计监测;(3)家具和生活用品:建议移除地毯、毛绒玩具等易积尘物品,选择防螨床罩、枕套等过敏原屏障;(4)控螨措施:物理杀螨法(如加热、冷冻)及使用杀螨剂有效降低过敏原浓度;(5)定期使用HEPA吸尘器清洁室内环境;(6)家访与宣教:定期家访和过敏原管理教育可显著降低过敏原暴露并减少过敏症状。结论该研究总结的尘螨过敏性疾病患者室内环境控制最佳证据较为科学、全面,医护人员应根据环境实际、家庭情境对证据进行选择,为患者制订安全、科学、个体化的环境控制计划,以促进患者康复。
目的基于Web of Science核心合集(WoSCC)数据库,利用文献计量学探讨机器学习在2型糖尿病(T2DM)研究领域的现状、热点和未来趋势。方法检索2010—2023年WoSCC的科学引文检索扩展版(SCIE)数据库中收录的关于机器学习与T2DM的研究论文。使...
详细信息
目的基于Web of Science核心合集(WoSCC)数据库,利用文献计量学探讨机器学习在2型糖尿病(T2DM)研究领域的现状、热点和未来趋势。方法检索2010—2023年WoSCC的科学引文检索扩展版(SCIE)数据库中收录的关于机器学习与T2DM的研究论文。使用Excel、CiteSpace、VOSviewer、R软件包"bibliometrix"和文献计量在线分析平台对发文量、国家、研究机构、作者、关键词及相关引文进行可视化分析。结果共纳入636篇文献。2021—2023年,机器学习在T2DM领域中的研究论文发文量急剧增加。美国是该领域中参与国际合作最多的国家。哈佛大学是研究论文发表数量最多的机构。共被引文献聚类标签显示了7个主要聚类:筛查、临床支持决策系统、糖尿病肾脏病、肠道微生物组、轻度认知障碍、医疗诊断及差异表达基因。关键词爆发分析表明,风险预测、预测模型、代谢组学和干预措施是研究强度较高的热点。结论机器学习在T2DM领域的相关研究活跃度日益增加。当前该领域的研究热点主要集中在T2DM的预测及筛查方面,而机器学习在T2DM管理措施的应用及对并发症预测的研究可能会成为未来的趋势。
暂无评论