Baidu
map

JAMA Surg:认知辅助手段用于危重患者抢救治疗

2020-01-20 MedSci MedSci原创

研究发现,使用认知辅助手段,在术后并发症的管理中具有较高的应用潜,可减少抢救失败率,改善病人预后。

术后恶化导致患者发病和死亡风险增加,减少人为失误可降低危机抢救失败风险。近日研究人员考察了辅助手段在外科病人术后病情恶化管理中的应用效果。

本次研究为模拟环境下的随机临床试验。由荷兰阿姆斯特丹4家不同医院的1名外科医生和2名外科病房护士组成抢救小组。研究小组分别在有或没有使用认知辅助手段的情况下处理3种模拟病人恶化情景。研究的主要结果是未能遵守最佳做法,即遗漏的关键步骤的百分比表示。

在全部医护参与者中,93名为女性,51名为男性。25个手术组执行了75个有认知辅助参与的患者情景,25个手术组执行了75个没有认知辅助的患者情景。使用认知辅助手段可将关键步骤遗漏从33%减少到10%,即减少70%。在多变量分析中,这种影响仍然显著(优势比:0.63)。认知辅助工具的总体可用性(0-10级)评估得分为8.7。

研究发现,使用认知辅助手段,在术后并发症的管理中具有较高的应用潜,可减少抢救失败率,改善病人预后。

原始出处:


本文系梅斯医学(MedSci)原创编译整理,转载需授权!

版权声明:
本网站所有内容来源注明为“梅斯医学”或“MedSci原创”的文字、图片和音视频资料,版权均属于梅斯医学所有。非经授权,任何媒体、网站或个人不得转载,授权转载时须注明来源为“梅斯医学”。其它来源的文章系转载文章,或“梅斯号”自媒体发布的文章,仅系出于传递更多信息之目的,本站仅负责审核内容合规,其内容不代表本站立场,本站不负责内容的准确性和版权。如果存在侵权、或不希望被转载的媒体或个人可与我们联系,我们将立即进行删除处理。
在此留言
评论区 (3)
#插入话题
  1. [GetPortalCommentsPageByObjectIdResponse(id=1471385, encodeId=f58614e138500, content=<a href='/topic/show?id=ac13558e9cb' target=_blank style='color:#2F92EE;'>#抢救#</a>, beContent=null, objectType=article, channel=null, level=null, likeNumber=88, replyNumber=0, topicName=null, topicId=null, topicList=[TopicDto(id=55879, encryptionId=ac13558e9cb, topicName=抢救)], attachment=null, authenticateStatus=null, createdAvatar=, createdBy=be1a7117101, createdName=lfyang, createdTime=Wed Jan 22 10:24:00 CST 2020, time=2020-01-22, status=1, ipAttribution=), GetPortalCommentsPageByObjectIdResponse(id=378386, encodeId=d5f83e83868b, content=学习了,谢谢分享, beContent=null, objectType=article, channel=null, level=null, likeNumber=176, replyNumber=0, topicName=null, topicId=null, topicList=[], attachment=null, authenticateStatus=null, createdAvatar=, createdBy=7c592194322, createdName=1209e435m98(暂无昵称), createdTime=Tue Jan 21 23:49:14 CST 2020, time=2020-01-21, status=1, ipAttribution=), GetPortalCommentsPageByObjectIdResponse(id=1035883, encodeId=ac7e1035883e4, content=顶刊就是顶刊,谢谢梅斯带来这么高水平的研究报道,我们科里同事经常看梅斯,分享梅斯上的信息, beContent=null, objectType=article, channel=null, level=null, likeNumber=121, replyNumber=0, topicName=null, topicId=null, topicList=[], attachment=null, authenticateStatus=null, createdAvatar=null, createdBy=f0620, createdName=旺医, createdTime=Mon Jan 20 22:24:00 CST 2020, time=2020-01-20, status=1, ipAttribution=)]
    2020-01-22 lfyang
  2. [GetPortalCommentsPageByObjectIdResponse(id=1471385, encodeId=f58614e138500, content=<a href='/topic/show?id=ac13558e9cb' target=_blank style='color:#2F92EE;'>#抢救#</a>, beContent=null, objectType=article, channel=null, level=null, likeNumber=88, replyNumber=0, topicName=null, topicId=null, topicList=[TopicDto(id=55879, encryptionId=ac13558e9cb, topicName=抢救)], attachment=null, authenticateStatus=null, createdAvatar=, createdBy=be1a7117101, createdName=lfyang, createdTime=Wed Jan 22 10:24:00 CST 2020, time=2020-01-22, status=1, ipAttribution=), GetPortalCommentsPageByObjectIdResponse(id=378386, encodeId=d5f83e83868b, content=学习了,谢谢分享, beContent=null, objectType=article, channel=null, level=null, likeNumber=176, replyNumber=0, topicName=null, topicId=null, topicList=[], attachment=null, authenticateStatus=null, createdAvatar=, createdBy=7c592194322, createdName=1209e435m98(暂无昵称), createdTime=Tue Jan 21 23:49:14 CST 2020, time=2020-01-21, status=1, ipAttribution=), GetPortalCommentsPageByObjectIdResponse(id=1035883, encodeId=ac7e1035883e4, content=顶刊就是顶刊,谢谢梅斯带来这么高水平的研究报道,我们科里同事经常看梅斯,分享梅斯上的信息, beContent=null, objectType=article, channel=null, level=null, likeNumber=121, replyNumber=0, topicName=null, topicId=null, topicList=[], attachment=null, authenticateStatus=null, createdAvatar=null, createdBy=f0620, createdName=旺医, createdTime=Mon Jan 20 22:24:00 CST 2020, time=2020-01-20, status=1, ipAttribution=)]
    2020-01-21 1209e435m98(暂无昵称)

    学习了,谢谢分享

    0

  3. [GetPortalCommentsPageByObjectIdResponse(id=1471385, encodeId=f58614e138500, content=<a href='/topic/show?id=ac13558e9cb' target=_blank style='color:#2F92EE;'>#抢救#</a>, beContent=null, objectType=article, channel=null, level=null, likeNumber=88, replyNumber=0, topicName=null, topicId=null, topicList=[TopicDto(id=55879, encryptionId=ac13558e9cb, topicName=抢救)], attachment=null, authenticateStatus=null, createdAvatar=, createdBy=be1a7117101, createdName=lfyang, createdTime=Wed Jan 22 10:24:00 CST 2020, time=2020-01-22, status=1, ipAttribution=), GetPortalCommentsPageByObjectIdResponse(id=378386, encodeId=d5f83e83868b, content=学习了,谢谢分享, beContent=null, objectType=article, channel=null, level=null, likeNumber=176, replyNumber=0, topicName=null, topicId=null, topicList=[], attachment=null, authenticateStatus=null, createdAvatar=, createdBy=7c592194322, createdName=1209e435m98(暂无昵称), createdTime=Tue Jan 21 23:49:14 CST 2020, time=2020-01-21, status=1, ipAttribution=), GetPortalCommentsPageByObjectIdResponse(id=1035883, encodeId=ac7e1035883e4, content=顶刊就是顶刊,谢谢梅斯带来这么高水平的研究报道,我们科里同事经常看梅斯,分享梅斯上的信息, beContent=null, objectType=article, channel=null, level=null, likeNumber=121, replyNumber=0, topicName=null, topicId=null, topicList=[], attachment=null, authenticateStatus=null, createdAvatar=null, createdBy=f0620, createdName=旺医, createdTime=Mon Jan 20 22:24:00 CST 2020, time=2020-01-20, status=1, ipAttribution=)]
    2020-01-20 旺医

    顶刊就是顶刊,谢谢梅斯带来这么高水平的研究报道,我们科里同事经常看梅斯,分享梅斯上的信息

    0

相关资讯

用代码治愈癌症?当微软程序员的人文关怀融入癌症治疗

得益于工业科技的发展,第一次工业革命,人类获得了蒸汽机;第二次工业革命,人类拥有了闪亮光明的电;第三次科技革命,人类开始走进互联网世界;进入21世纪的第四次“工业”革命,是以基因、虚拟现实、量子信息技术、清洁能源、生物技术为突破口的工业革命,人们获得AI、VR等各类新技术的同时,在医疗领域是否也能同样进入“无癌时代”呢?

AI 可提前一个月预测癫痫发作,成功率99.6%

对癫痫患者来说,他们的大脑神经元会突然异常放电,导致大脑功能短暂出障碍,这样的患者在全球约有 5000 万个。棘手的是,这种疾病在发生前通常没有任何预警。 近日,美国路易斯安那大学拉斐特分校的两名研究员开发出了一种新的人工智能模型,最多能在患者癫痫发作前一个月就提前进行预测。 该模型的开发者 Hisham Daoud 表示,癫痫总是在没有任何前兆的情况下突然发作,这点可能对患者的心理产生严重的

Gastroenterology:AI系统用于上消化道出血高危患者的识别

研究认为,AI系统在高危上消化道出血患者识别中的应用效果优于现有方案

Nat Med:150秒内!人工智能术中快准狠诊断脑部肿瘤

导 语:术中快速冰冻的应用很大程度上改善了术中决策,提高了手术成功率,但与术后病理相比,仍然存在一定的差异。准确的组织病理学诊断对于提供最佳的脑瘤手术治疗至关重要。术中决策和手术目标因肿瘤病理而异,而现有的术中组织学检查方法耗时、费力,且受人工因素影响,限制了病理分析。对于临床医生来说,寻找精准而快速的术中诊断方法是当务之急。

除了挑战影像医生的地位,这些年AI在医学影像中还干了些啥?

前言随着科技的发展,AI在医学中的应用正在不断扩大。 据研究公司Allied Market Research 估计,到2025年,医学+AI市场将从2017年的7.19亿美元增长到18.1亿美元,从2018年到2025年的复合年增长率为49.6%。 而自从AI来到医学影像,争议一直就没停过。 “AI会让大批影像医生下岗! ”“AI会让影像医生更自信! ”“AI都躺在医院里吃灰……”暂且不提AI和影

JAMA:医疗保健系统AI应用中的偏倚及应对策略

最近对AI面部识别软件的审查使人们开始重新关注AI对社会偏倚和不平等的意外影响。学术界和政府官员对几种AI技术中的种族和性别偏倚提出了担忧,包括互联网搜索引擎和算法可预测犯罪行为的风险。IBM和Microsoft等公司已公开承诺对其技术进行“去偏倚”(“de-bias”),而亚马逊发起了一项批评这种研究的公开活动。  图片来自Data Driven Investor :Facia

Baidu
map
Baidu
map
Baidu
map