Umiejętność zdrowia, stres i jakość życia u pacjentów z niewydolnością serca

Niewydolność serca wykazuje trend dotykający młodszych osób. Pacjenci z niewydolnością serca w średnim wieku są często ekonomicznym kręgosłupem swoich rodzin. Badania wykazały również, że około 38,5% pacjentów z ostrą niewydolnością serca jest ponownie hospitalizowane w ciągu roku od rozładowania z powodu pogarszania się objawów. Pacjenci z niższą umiejętnością umiejętności zdrowotnych zwykle mają gorsze wyniki zdrowotne i wyższe wskaźniki ponownej hospitalizacji. Istnieją jednak ograniczone badania dotyczące stresu życia i pracy, umiejętności zdrowotnych i jakości życia pacjentów z niewydolnością serca w średnim wieku. Dlatego niniejsze badanie ma na celu wykorzystanie uczenia maszynowego do analizy i przewidywania korelacji między umiejętnościami zdrowotnymi, stresem i jakością życia u pacjentów z niewydolnością serca.

Badanie to przekrojowe badanie korelacyjne, przyjmujące pobieranie próbek wygody. Badaniem badani są pacjenci z kardiologią w wieku 18–65 lat, zdiagnozowanym niewydolnością serca sklasyfikowaną jako NYHA II lub powyżej przez specjalistów w regionalnym szpitalu dydaktycznym na północnym Tajwanie. Zbieranie danych odbyło się w ambulatoryjnych i szpitalnych działach kardiologii i chirurgii kardiotorakii. Strukturyzowane kwestionariusze zastosowano do wywiadów jeden na jednego, w tym podstawowe informacje demograficzne pacjentów z niewydolnością serca, chińską wersję kwestionariusza europejskiego ankiety na temat umiejętności zdrowotnych (HLS-EU-Q47), chińskiej wersji krótkiej skali odporności (BRS), postrzeganej skali stresu (PSS) i Minnesota z kwestią niewydolności serca (MLHFQ). Dane będą rejestrowane za pomocą Excel, a analiza statystyczna zostanie przeprowadzona przy użyciu SPSS w wersji 22. Statystyka opisowa, takich jak procent, środki i odchylenia standardowe zostaną wykorzystane do opisania rozkładów demograficznych i zmiennych. Do analizy korelacji między zmiennymi zastosowano niezależne testy t, ANOVA i Pearson Korelację. Uczenie maszynowe zostanie zastosowane do analizy i przewidywania jakości czynników życiowych u pacjentów z niewydolnością serca. Oczekuje się, że wyniki tego badania mogą zapewnić odniesienia do praktyki pielęgniarskiej, pomóc w klinicznej ocenie pacjenta i poprawić jakość opieki dla pacjentów.