基于跨理论模型的协同护理模式在脊髓损伤后神经源性膀胱患者中的应用观察

来源 :黑龙江医学 | 被引量 : 0次 | 上传用户:C263185
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
目的:观察基于跨理论模型(trans theoretical model,TTM)的协同护理模式应用于脊髓损伤(spinal cord injury,SCI)后神经源性膀胱(neurogenic bladder,NB)患者的效果。方法:选取2019年6月—2020年9月河南省中医药研究院附属医院收治的89例SCI后NB患者作为研究对象,依据入院时间划分组别。常规组患者43例,采用常规护理模式;研究组患者46例,在常规组患者基础上采用基于TTM的协同护理模式。比较两组患者遵医行为执行情况、干预前与干预3个月后自我效能感[自我效能感量表(GSES)评分]、自我护理行为[自我护理指数量表(SCHFI)评分]、健康生活方式[健康促进生活方式量表(HPLP)评分]、生活质量[生活质量综合评定问卷-74 (GQOLI-74)]、护理满意度。结果:研究组患者间歇性导尿执行正确率、饮水计划执行依从率、排尿日记持续记录执行率高于常规组患者,差异有统计学意义(χ~2=6.435、7.074、10.671,P<0.05);干预3个月后,研究组患者GSES评分和SCHFI量表中自护管理、自护信心、自护维持评分、HPLP评分、GQOLI-74评分均明显高于常规组患者,差异有统计学意义(t=3.817、7.785、5.426、10.560、13.902、6.523,P<0.05);研究组患者护理满意度为95.65%,高于常规组患者的79.07%,差异有统计学意义(χ~2=5.642,P<0.05)。结论:基于TTM的协同护理模式应用于SCI后NB患者,可提升其遵医行为执行率,强化自我效能感,改善自我护理行为,促进健康生活方式形成,从而提高生活质量、护理满意度。
其他文献
介绍了某数控钣金企业废水处理回用系统的设计情况和实际运行效果。该企业废水处理系统采用絮凝气浮/曝气生物滤池/双膜法处理并且回用废水。该系统回用水质情况如下:CODCr 12 mg/L、石油类0.3 mg/L、SS0.5 mg/L、电导率35μs/cm,去除率分别为97.6%、99.4%、99.5%、99.1%。RO系统排水符合《污水综合排放标准》中三级标准的要求。回用废水45吨/天,回用率50%左
详细介绍了公路工程钢结构焊缝探伤试验的内容与要求,阐述了射线检测、超声波检测、磁粉检测三种焊缝探伤的主要方法,分析了公路工程钢结构工程焊接工艺的评定,最后,在整理了相关的资料基础上,对公路工程钢结构焊缝探伤试验与焊接工艺评定进行了较为系统的综合性的阐述。
后疫情时代,病毒不断变异,新冠肺炎疫情的防控形势依旧严峻,需要建立完善的医疗应急设施体系。文章对医疗应急设施中的重要一类——方舱医院展开研究,分析方舱医院的演变脉络和功能空间特性,探讨方舱医院各功能模块的形式,从而提出适应方舱医院的空间布局模式,为各地应对突发公共卫生事件提供新的方法与思路。
交通大数据是“互联网+交通”领域发展的重要依据与有效手段,隧道机电设备的监测是交通大数据的一个重要应用场景。专业人员需要对数据进行可视化呈现,确保对隧道机电设备进行更效率的实时监测和管理。其中用户体验是数据可视化设计必须要考虑的因素之一。本文简述了数据可视化的起源与发展、数据可视化的步骤,分析了云平台中用户体验的概念和影响因素。
本文以机电设施数字化、智能化运维为需求导向,从机电设备的分类编码标准、编码编制方法等方面进行了研究,并在太湖隧道机电工程中展开应用,为项目机电设施智能化运维奠定了基础。
针对战时物资储供能力评估缺少有效模型算法的问题,分析了储供基地战时物资供应保障的主要影响因素和关键环节,建立了储供基地支援保障能力评估指标体系,提出综合运用定义量化、考核评价、模糊算法、层次分析、排队网络和指数综合等算法,计算其人员素质、仓储、装卸、投送、指挥控制、信息保障等指标的值,最后给出了综合保障能力评估模型算法。实例分析验证了所提算法的有效性,为战时作战物资仓储供应保障辅助决策和信息系统设
随着我国轨道建设的快速发展,轨道交通隧道内机电设备的监控与管理维护尤为重要。目前通常采用人工巡检的方式对轨道交通隧道内部各类机电设备进行检测和维护,工作量大且时效性低。本文采用基于光栅阵列传感技术的全光纤监测系统对隧道内机电设备的安全状态进行实时监测,能够有效降低轨道交通隧道机电设备巡检的工作量和风险因素。利用光栅阵列传感系统对隧道机电设备的多种状态进行综合监测,能够实时了解轨道交通隧道机电设备的
随着城镇化的加快和汽车保有量的增加,城市交通负担日益加重,为了避免车辆道路事故,保障驾驶的安全性,车辆驾驶辅助系统成为了新的研究热点。车道线检测能够有效地引导车辆行驶在正确的区域,车道线检测技术作为车辆驾驶辅助系统的核心,其检测的速度和精度十分重要。车道线检测的传统算法需要人工手动调节参数,工作量较大,泛化能力差,在面对复杂的交通环境时表现效果也很差。基于深度学习的车道线检测算法具有很强的代表性和