Effektiviteten af ​​Intelligent Case Manage Platform hos levertransplantationsmodtagere (ICMP)

Baggrund: Levertransplanterede modtagere kræver ordentlig selvstyring for at undgå risikoen for forskellige komplikationer, reducere hospitalsgenindlæggelse og medicinske omkostninger og forbedre deres livskvalitet. De står også over for forskellige udfordringer i selvledelse. Derfor er det vigtigt at forbedre selvforvaltningen af ​​levertransplanterede modtagere efter levertransplantation. Hospitaler og medicinske faciliteter, der tager sig af sådanne patienter, bør lette individualiseret pleje, adgang til sundhedsressourcer og planlagt støtte efter udskrivelsen. Brugen af ​​informationsteknologi, kunstig intelligens og dyb læring til at identificere og bekræfte karakteristika og typer af selvstyringskrav hos levertransplanterede modtagere og give individualiseret selvstyring kan hjælpe med at forbedre deres selvledelsesevner og sundhedsresultater. Kvaliteten og kontinuiteten i plejen kan også forbedres. Der er dog ikke udført undersøgelser i denne henseende.

Formål: At etablere en intelligent sagsbehandlingsplatform, der kombinerer kunstig intelligens og dyb læring for at forbedre selveffektiviteten og selvforvaltningen af ​​levertransplanterede modtagere og derved forbedre de kliniske resultater og sundhedsrelateret livskvalitet. Formålet med denne undersøgelse er som følger: 1. Beskriv levertransplantationsmodtageres selvledelse og informationsbehov, 2. Skabe indhold eller moduler relateret til selvledelse af levertransplanterede modtagere, 3. Byg en intelligent sagsbehandlingsplatform, 4 Evaluer platformens anvendelighed, og 5. Gennemfør dyb læring og undersøg effekten af ​​den intelligente sagsbehandlingsplatform på self-efficacy, selvledelse, sundhedsresultater og sundhedsrelateret livskvalitet.

Metoder og materialer: Denne undersøgelse er et prospektivt, kvasi-eksperimentelt design, med en eksperimentel gruppe og en kontrolgruppe, der vil blive oprettet. For det første vil selvstyringspleje og informationsbehov hos levertransplanterede patienter blive integreret for at skabe grundlaget for den intelligente sagsbehandlingsplatform. Til dette formål vil anslået 50 levertransplanterede modtagere og 10 medicinske medarbejdere blive interviewet. Dataene vil blive analyseret ved kvalitativ indholdsanalyse. På baggrund af dette indhold vil den intelligente sagsbehandlingsplatform blive udviklet og evalueret. Til evalueringen vil data fra 200 levertransplanterede modtagere blive indsamlet for at vurdere platformens tilgængelighed, ydeevne og brugsstatus. Data relateret til modtagerens brug af platformen og modtagelse af selvledelse fra platformen vil ligeledes blive indsamlet til deep learning. Betydningen og den kliniske relevans af selvledelse leveret af platformen vil blive vurderet af det medicinske personale involveret i levertransplantationsbehandling. Deep learning-teknikker vil blive brugt, og effektiviteten af ​​den intelligente sagsbehandlingsplatform med hensyn til self-efficacy, selvledelse, sundhedsresultater og sundhedsrelateret livskvalitet vil blive undersøgt. Det anslås, at 133 patienter vil være involveret i dette forsøg: 44 i forsøgsgruppen og 89 i kontrolgruppen. Data vil blive indsamlet ved udskrivelse (baseline data) og 1, 3, 6, 9 og 12 måneder efter udskrivelse fra hospitalet. Statistisk pakkesoftware (SPSS 22.0) vil blive brugt til at analysere dataene. En generaliseret estimationsligningsmodel vil analysere forskellene i selveffektivitet, selvledelse og sundhedsrelateret livskvalitet over tid mellem forsøgs- og kontrolgruppen. Denne undersøgelse foreslår innovative applikationer til informationsteknologi, deep learning og kunstig intelligens. Det er håbet, at tværfagligt samarbejde kan forbedre levertransplanteredes selvledelse og sundhedsresultater.