通讯作者: 朱金君, 31441162@qq.com

DOI：10.12201/bmr.202410.00001

Construction and application of artificial airway stability scheme forintra-hospital transport of neurocritically ill patients

• 摘要：目的 构建神经重症患者院内转运人工气道稳定性方案,并探讨应用效果。方法 采用非同期对照研究设计,选取2022年6月—2023年9月入住我院神经外科监护室(NICU),完成院内转运至 CT、MRI 检查区域的人工气道神经重症患者为研究对象,将2022年6月—2023年1月104例患者为对照组,接受常规转运护理；2023年2月—9月106例患者为干预组,实施NICU患者院内转运人工气道稳定性方案。对比两组患者气道相关不良事件发生率、转运时间、家属满意度。结果 干预组的气道相关不良事件发生率(1.9%)低于对照组(10.4%)；干预组转运时间(19.08±3.17)快于对照组(25.50±4.84)；干预组家属满意度(99.0%)高于对照组(90.4%),差异有统计学意义,P < 0.05。结论 实施NICU院内转运人工气道稳定性方案可有效降低气道相关不良事件发生率和转运时间,提高家属满意度,临床具有可行性。

  关键词： 神经重症; 人工气道; 稳定性; 院内转运

   

  Abstract: Objective To construct an artificial airway stability scheme for in-hospital transport of patients with severe neurological diseases, and to explore the application effect. Methods Using non-concurrent control study design, select June 2022-September 2023 admitted to our hospital neurosurgery intensive care unit (NICU), complete hospital transfer to CT, MRI examination area of artificial airway nerve severe patients as the research object, will be in June 2022-January 2023 104 patients as the control group, receiving regular transport care; from February to September 2023, 106 patients were in the intervention group, and the nosocomial transport artificial airway stability scheme was implemented for NICU patients. The incidence of airway-related adverse events, transit time and family satisfaction were compared between the two groups. Results The incidence of airway-related adverse events in the intervention group (1.9%) was lower than that in the control group (10.4%); The transit time in the intervention group (19.08±3.17) was faster than that in the control group (25.50±4.84); the family satisfaction of the intervention group (99.0%) was higher than

  Key words: ; ; ; 

  提交时间：2024-10-01

  版权声明：作者本人独立拥有该论文的版权，预印本系统仅拥有论文的永久保存权利。任何人未经允许不得重复使用。
• html

• 图表

• 朱彦, ZHENG Jie, 李晓瑛, 杨啸林, HE Yongqun. 基本形式化本体BFO及中文版介绍. 2020. doi: 10.12201/bmr.202007.00009

  丁可, 张晨, 陈利海, 曹媛媛. 基于柯式评估模型的3D打印困难气道模型应用于麻醉科实习医生培训课程. 2024. doi: 10.12201/bmr.202409.00045

  董婷婷. 医疗人工智能产品对患者安全的影响及对策研究. 2020. doi: 10.12201/bmr.202012.00004

  赵锐, 石秀园, 钟雪然, 任平, 田雪晴, 刘春平, 游茂. 基于卫生技术评估构建医学人工智能技术临床应用评估路径的探讨. 2022. doi: 10.12201/bmr.202203.00005

  马傲, 葛小玲. 人工智能大模型在医疗健康领域应用的研究. 2024. doi: 10.12201/bmr.202408.00039

  郑琰莉, 韩福海, 李舒玉, 苏文星. 人工智能大模型在医疗领域的应用现状与前景展望. 2023. doi: 10.12201/bmr.202312.00027

  董琨, 杨芬, 杨扬. 人工智能在全科医师培训中的应用与思考. 2023. doi: 10.12201/bmr.202305.00011

  李萍, 孙丽萍, 任和, 李华萍, 邵泽国. 医疗器械专业人工智能思维培养课程体系的构建. 2020. doi: 10.12201/bmr.202007.00013

  史森中. 生成式人工智能（GAI）基层医疗应用风险及治理策略分析. 2024. doi: 10.12201/bmr.202408.00053

  谢俊祥, 张琳. 国内外医疗人工智能战略及细分领域现状分析. 2020. doi: 10.12201/bmr.202005.00243

• 序号	提交日期	编号	操作
  1	2024-09-10	bmr.202410.00001V1	下载

• 公开评论  匿名评论  仅发给作者 提交评论