目的:探讨儿科ICU护士仪器设备报警疲劳风险的影响因素，并建立预测模型验证其预测效能。方法:采用多阶段抽样法选取2020年10月—2021年3月河南省2所三级儿童专科医院的300名儿科ICU护士为研究对象进行模型构建，其中发放问卷300份，回收有效问卷225份。于2021年4—5月选取河南省儿童医院的110名儿科ICU护士用于模型验证，其中发放问卷110份，回收有效问卷100份。采用自制基线评分量表采集相关基线信息，采用医疗设备报警管理问卷及仪器设备报警疲劳相关量表进行调查，采用Logistic回归模型进行预测模型建立，Hosmer-Lemeshow检验模型拟合效果，采用受试者工作特征曲线进行预测价值评估。结果:225名儿科ICU护士医疗设备报警管理因素得分为（48.67±4.35）分，医疗设备报警管理阻碍因素得分为（39.67±3.67）分，临床报警疲劳总分为（22.32±2.83）分。多因素分析结果显示，年龄<30岁、工作年限<5年、带病工作、护师及以下职称、倒班、无设置医疗设备警报的习惯、医疗设备管理因素均为儿科ICU护士仪器设备报警疲劳的独立危险因素（ P<0.05）。本研究最终构建预测模型，模型受试者工作特征曲线下面积（AUC）为0.887，灵敏度为0.891，特异度为0.843。验证数据结果显示，模型AUC值为0.901，灵敏度为0.912，特异度为0.857。 结论:儿科ICU护士存在不同程度的仪器设备报警疲劳，本研究模型可对其仪器设备报警疲劳风险作出可靠预测，提示应对高风险因素给予重点关注，并及时开展措施干预，降低相关不良事件发生风险。

人力资源是医院的核心资源，人员的高离职率与人才的流失将影响医院的正常运行。为保证医院稳定运行、持续发展，作者基于R医院2010年至2019年10年的离职数据，分析员工离职行为规律与模式，对人员离职情况进行监测和预控，并提出离职预警管理机制，具体包括设置人事系统离职警戒值、系统警报触发、核实警报触发情况、预警论证并干预处理等，以期为优化医院人力资源管理提供参考。

目的:系统综述护士临床报警应对的影响因素。方法:检索PubMed、Web of Science、Google Scholar、Spischolar、CNKI、万方、维普等数据库，检索时限为2004年1月—2019年12月，检索护士临床警报应对影响因素的相关研究，对符合纳入标准的文献进行文献质量评价、内容提取和分析。结果:纳入11篇英文文献，其中描述性研究10篇，队列研究1篇。最终提取5个与护士临床警报应对相关的影响因素（ P<0.01），分别为大量虚假警报（ OR=0.84，95% CI 0.82～0.86）、护士对患者病情风险评估（ OR=0.77，95% CI 0.71～0.82）、临床噪音及多重警报（ OR=0.87，95% CI 0.85～0.89）、警报的有效管理（ OR=0.50，95% CI 0.43～0.58）、护理人员不足（ OR=0.63，95% CI 0.57～0.68）。对于护士工作经验、临床护士团队合作程度、临床警报类型的识别、临床警报的持续时间、护士工作时长是否为护士临床警报应对影响因素尚缺乏有力证据。 结论:护士临床警报应对受诸多因素影响，应针对性管理以提升应对效率，可开展护士临床警报应对的更深入的观察性研究或干预性研究，以进一步提升护理服务质量。

潜水事故发生后上报事故的详细情况,对分析事故发生的原因、总结经验教训以及后期制定有针对性的预防措施都至关重要.潜水事故报告系统(DIRS)是由潜水员警报网(DAN)开发的、用于上报潜水事故的在线系统,DAN会定期公布对潜水事故的分析.此外,一些研究也对潜水事故的特点、原因等因素进行了分析.本文对DIRS的潜水事故信息及其他国内外潜水事故相关研究进行介绍,总结潜水事故的发生特点和原因,基于人、机、环境和管理 4 个方面对潜水事故发生进行讨论,以期为潜水事故的预防提供借鉴.

目的:基于粒子群优化(PSO)算法构建设备风险管理模型,探讨其在急诊科心电监护设备管理中的应用价值.方法:采用PSO算法优化神经网络模型构建心电监护设备风险管理模型,收集北京市普仁医院心电监护设备运行风险数据进行归一化处理,并将2021年11月至2023年10月北京市普仁医院急诊科在用的30台心电监护设备,按照设备管理模式不同对其分别采用反向传播(BP)神经网络模型(简称传统BP模式,设备运行时段为2021年11月至2022年10月)和PSO算法的设备风险管理模型(简称PSO算法模式,设备运行时段为2022年11月至2023年10月)进行管理,比较两种管理模型设备风险故障识别效果(测试集与训练集)、警报风险控制效果和设备故障维修诊断用时.结果:采用PSO算法的测试集风险故障数据识别受试者工作特征(ROC)曲线下面积(AUC)值、准确率、灵敏度和特异度分别为0.869、93.6%、92.8%和95.1%,训练集风险故障数据识别AUC值、准确率、灵敏度和特异度分别为0.839、95.6%、97.9%和96.7%,均高于传统BP模式,差异有统计学意义(x2测试=3.691、4.023、3.557、3.409,x2训练=6.884、5.962、5.334、3.215;P＜0.05).采用PSO算法的心电监护设备警报阈值合格率和设备维护平均合格率分别为(98.61±3.07)%和(98.79±3.11)%,均高于传统BP模式,警报静音率为(1.14±0.27)%,低于传统BP模式,差异均有统计学意义(Z=11.831、10.020、21.141,P＜0.05).采用PSO算法的心电监护设备内部报修用时、外部报修用时、故障诊断用时和报修总用时分别为(1.21±0.96)、(3.18±1.09)、(5.08±1.93)和(10.95±2.81)min,均少于传统BP模式,差异有统计学意义(t=15.404、19.020、16.694、25.511,P＜0.05).结论:基于PSO算法构建的心电监护设备风险管理模型应用,能够提高心电监护设备风险故障数据识别灵敏度、特异度和准确性,提升警报阈值合格率和设备维护合格率,降低警报静音率,缩短故障诊断报修用时.

目的:调查ICU护士心电监护仪警报应答疲劳现状,分析相关影响因素.方法:2021 年 10 月 1 日～12 月 31 日,采用便利抽样法对全国 9 个省市的 1640 名ICU护士进行横断面调查,使用一般资料调查问卷、临床警报疲劳量表及医疗设备警报管理问卷收集数据.结果:ICU护士心电监护仪警报疲劳得分为(20.73±7.42)分;医院级别、设置警报参数的习惯、年龄、工作年限、所在科室床位数、夜班数、受教育程度、心电监护仪警报设置的培训是警报疲劳的主要影响因素(P<0.05);监护仪警报管理得分为(53.43±8.66)分,阻碍因素条目总分为(47.38±15.96)分,其中"频繁的误警报导致我对监护仪警报提示的注意力和反应速度降低"条目得分最低,为主要的警报管理阻碍因素.结论:ICU护士心电监护仪警报疲劳处于中等偏上水平,误警报率高是影响警报管理的重要因素,管理部门应重视ICU护士警报管理意识,制订警报管理优化策略,预防和降低警报疲劳,保障患者安全.

目的 探讨应用机器学习方法对呼吸机在临床使用中的通气类报警进行研究,获得影响报警的重要参数及报警预测模型,识别无效报警并给予临床提示,使临床得以高效应对呼吸机报警,避免造成报警疲劳等消极影响.方法 建立符合标准数据流程的呼吸机数据管理平台,根据单中心的呼吸机报警信息分析特征值,得出重要参数排序;利用超参数调优建模预测报警的真假;用混淆矩阵、受试者工作特征(Receiver Operating Characteristic,ROC)对机器学习模型进行多项指标验证.结果 对测试集5936次通气类报警进行评估,得出无效报警率为88%(召回率为0.88),模型准确度为0.94,精准度为0.78,ROC曲线下面积为0.92,F1得分为0.82.结论 采用机器学习便于临床单中心数据建模,能够及时分析获得呼吸机真实警报的重要参数及报警预测;通过呼吸机数据管理平台可有效提示临床无效报警,从而减少医护人员的压力,提高医疗质量.

目的 系统评价和整合重症监护病房(ICU)护士临床警报管理的认知、体验及期望,为提高警报管理水平,促进警报管理安全提供依据.方法 检索 PubMed、CINAHL、Web of Science、Embase、The Cochrane Library、乔安娜布里格斯研究所(JBI)循证卫生保健中心数据、EBSCO、PsyclNFO、中国知网、中国生物医学文献数据库、万方数据库、维普数据库,收集从建库至2023年3月1日关于ICU护士临床警报管理相关质性研究.采用澳大利亚JBI循证卫生保健中心质性研究质量评价标准(2020版)对文献质量进行评价,采用汇集性整合方法整合结果.结果 共纳入13篇文献,提炼出48个原始研究结果,综合为9个新的类别,整合得出4个整合结果,包括ICU护士对警报管理的认知;警报管理负性体验;警报管理影响因素;期望及建议.结论 应对护理人员进行全阶段的教育或调适,循证建立警报管理流程,配合多学科合作并优化技术支持,促进患者安全.

目的:设计老年患者跌倒检测系统用以解决老年患者因意外跌倒而未能被及时发现的问题,提高医疗护理效率.方法:基于实时流传输协议(RTSP),结合YOLOv5和Kalman算法,采用Vue及Flask等技术设计老年患者跌倒检测系统,搭建可视化后台系统管理,通过多路视频流综合处理为医疗工作者提供统一管理平台,实现人体跌倒行为的自主检测与报警.选取2020-2022年在空军军医大学西京医院进行跌倒检测的30名健康志愿者,根据模拟行为类别将其分为正常行走组、蹲起组和跌倒组,每组10名,采用检测准确率和检测速度两项评价指标对跌倒检测性能进行评估,验证判断老年患者跌倒检测系统能否达到及时准确的跌倒检测与报警要求.结果:正常行走组、蹲起组和跌倒组的总体跌倒检测速率可达29帧/s,准确率可达95.24%,系统能够及时响应跌倒警报.结论:老年患者跌倒检测系统可辅助医护工作者及时发现并处理跌倒行为的发生,提升老年患者跌倒检测效率,能够满足老年患者跌倒行为的实时检测和报警.

目的 检索ICU患者呼吸机警报管理的相关证据,并进行最佳证据汇总,以期为ICU患者呼吸机警报管理决策提供参考.方法 系统检索国内外相关指南网站、专业协会网站以及PubMed、CINAHL、Embase、Web of Science、维普数据库、中国知网、万方数据库等与ICU患者呼吸机警报管理相关的临床决策、指南、系统评价、专家共识以及随机对照试验,检索时限为建库至2023年4月22日.由2名研究者独立对文献进行质量评价与结果提取.结果 最终纳入14篇文献,其中指南4篇、国际标准2篇、国家标准2篇、专家共识2篇、系统评价3篇、随机对照试验1篇;结合专业人员判断,汇总了 27条证据,包括多学科团队合作、警报设置、警报监测与处理、警报管理要求、警报教育培训和呼吸机维护6个方面.结论 该研究总结了 ICU患者呼吸机警报管理的最佳证据,可为护理人员的临床决策提供循证依据,以科学的管理方式解决临床呼吸机警报问题,提升管理质量和管理效率.