您的账号已在其他设备登录,您当前账号已强迫下线,
如非您本人操作,建议您在会员中心进行密码修改

确定
收藏 | 浏览82 | 下载84

目的 构建并验证ICU转出患者睡眠障碍风险预测模型.方法 便利选取蚌埠市某 2所三级甲等医院 ICU住院治疗并成功转出的 518 例患者作为研究对象,分为训练集 363 例和验证集 155例.采用一般资料和临床资料调查表进行因素的收集,在转出ICU后 1 个月后采用匹兹堡睡眠质量指数量表(Pittsburgh Sleep Quality Index,PSQI)进行随访,根据随访的结果分为非睡眠障碍组和睡眠障碍组.采用Logistic回归确定影响因素,应用R语言软件建立ICU转出患者睡眠障碍风险列线图预测模型;采用C指数和calibration校准曲线来评价模型的预测性能力.结果 纳入了 9 个预测因子进入模型,即入住 ICU总时间、APACHE II评分、Charlson共病指数评分、气管切开、焦虑、抑郁、创伤后应激障碍、ICU内发生感染、转出 ICU时侵入性管路数量.内部验证C指数为 0.926(95

作者:彭仁梅;钱荣;李亚军;段缓;陈莲芳;刘玉文

来源:护理学报 2023 年 30卷 15期

知识库介绍

临床诊疗知识库该平台旨在解决临床医护人员在学习、工作中对医学信息的需求,方便快速、便捷的获取实用的医学信息,辅助临床决策参考。该库包含疾病、药品、检查、指南规范、病例文献及循证文献等多种丰富权威的临床资源。

详细介绍
热门关注
免责声明:本知识库提供的有关内容等信息仅供学习参考,不代替医生的诊断和医嘱。

收藏
| 浏览:82 | 下载:84
作者:
彭仁梅;钱荣;李亚军;段缓;陈莲芳;刘玉文
来源:
护理学报 2023 年 30卷 15期
标签:
ICU 重症监护 睡眠障碍 列线图 预测模型 ICU intensive care sleep disorder nomogram predictive model
目的 构建并验证ICU转出患者睡眠障碍风险预测模型.方法 便利选取蚌埠市某 2所三级甲等医院 ICU住院治疗并成功转出的 518 例患者作为研究对象,分为训练集 363 例和验证集 155例.采用一般资料和临床资料调查表进行因素的收集,在转出ICU后 1 个月后采用匹兹堡睡眠质量指数量表(Pittsburgh Sleep Quality Index,PSQI)进行随访,根据随访的结果分为非睡眠障碍组和睡眠障碍组.采用Logistic回归确定影响因素,应用R语言软件建立ICU转出患者睡眠障碍风险列线图预测模型;采用C指数和calibration校准曲线来评价模型的预测性能力.结果 纳入了 9 个预测因子进入模型,即入住 ICU总时间、APACHE II评分、Charlson共病指数评分、气管切开、焦虑、抑郁、创伤后应激障碍、ICU内发生感染、转出 ICU时侵入性管路数量.内部验证C指数为 0.926(95

Baidu
map