Gesundheitskompetenz, Stress und Lebensqualität bei Herzinsuffizienzpatienten

Herzinsuffizienz zeigt den Trend, jüngere Personen zu beeinflussen. Patienten mittleren Alters sind häufig das wirtschaftliche Rückgrat ihrer Familien. Studien haben auch darauf hingewiesen, dass ungefähr 38,5% der Patienten mit akuter Herzinsuffizienz innerhalb eines Jahres nach Abfluss aufgrund von verschlechternden Symptomen neu zur Verfügung stehen. Patienten mit niedrigerer Gesundheitskompetenz haben in der Regel schlechtere Gesundheitsergebnisse und höhere Re-Krankenhaus-Raten. Es gibt jedoch nur begrenzte Untersuchungen zu Lebens- und Arbeitstress, Gesundheitskompetenz und Lebensqualität von Herzversagen mittleren Alters. Daher zielt diese Studie darauf ab, das maschinelle Lernen zu verwenden, um die Korrelationen zwischen Gesundheitskompetenz, Stress und Lebensqualität bei Herzinsuffizienz bei Patienten zu analysieren und vorherzusagen.

Diese Forschung ist eine Querschnittskorrelationsstudie, in der die Probenahme der Bequemlichkeitsstudie verwendet wird. Die Studienfächer sind kardiologische Patienten im Alter von 18 bis 65 Jahren, bei denen eine Herzinsuffizienz diagnostiziert wurde, die von Spezialisten eines regionalen Lehrkrankenhauses im Norden Taiwans als NYHA II oder höher eingestuft wurde. Die Datenerfassung fand in den ambulanten und stationären Abteilungen für Kardiologie und kardiothorakale Operation statt. Strukturierte Fragebögen wurden für Einzelinterviews verwendet, darunter demografische Informationen über Herzinsuffizienz, die chinesische Version des Fragebogens zur europäischen Gesundheitskompetenz (HLS-EU-Q47), die chinesische Version der kurzen Resilience-Skala (BRS), die wahrgenommene Stressskala (PSS) und das Minnesota Living mit Herzinsuffizienz (MLHFQ). Die Daten werden unter Verwendung von Excel aufgezeichnet, und statistische Analysen werden mit SPSS Version 22 durchgeführt. Beschreibende Statistiken wie Prozentsätze, Mittelwerte und Standardabweichungen werden verwendet, um die demografischen und variablen Verteilungen zu beschreiben. Unabhängige T-Tests, ANOVA und Pearson-Korrelationskoeffizient werden verwendet, um Korrelationen zwischen Variablen zu analysieren. Das maschinelle Lernen wird eingesetzt, um Lebensqualitätsfaktoren bei Herzinsuffizienz bei Patienten zu analysieren und vorherzusagen. Es ist zu hoffen, dass die Ergebnisse dieser Studie Referenzen für die Pflegepraxis liefern, bei der klinischen Patientenbewertung helfen und die Qualität der Versorgung von Patienten verbessern können.