您的账号已在其他设备登录,您当前账号已强迫下线,
如非您本人操作,建议您在会员中心进行密码修改

确定
收藏 | 浏览21 | 下载0

目的:探讨脑出血患者发生便秘的影响因素,构建风险预测模型,并验证该模型的预测效果,从而科学指导后续的治疗和护理。方法:采用前瞻性队列研究,便利抽样法选择2022年5 —11月在滨州医学院附属医院住院的脑出血患者254例作为建模组,按照是否发生便秘分为便秘组( n = 150)和非便秘组( n = 104),利用单因素分析和Logistic回归分析脑出血患者发生便秘的影响因素,建立风险预测模型并绘制列线图。选取2022年12月至2023年3月在同一医院住院的110例脑出血患者作为验证组,采用Hosmer-Lemeshow检验和ROC曲线对模型进行验证。 结果:本研究最终纳入住院时间、洼田饮水试验评分、营养、利尿剂4个危险因素构建风险预测模型,建模组ROC曲线下面积为0.918,95

作者:张慧杰;刘莉;马莎莎;刘立云;孙敏敏;王鲁繁;董海丽

来源:中国实用护理杂志 2023 年 39卷 29期

知识库介绍

临床诊疗知识库该平台旨在解决临床医护人员在学习、工作中对医学信息的需求,方便快速、便捷的获取实用的医学信息,辅助临床决策参考。该库包含疾病、药品、检查、指南规范、病例文献及循证文献等多种丰富权威的临床资源。

详细介绍
热门关注
免责声明:本知识库提供的有关内容等信息仅供学习参考,不代替医生的诊断和医嘱。

收藏
| 浏览:21 | 下载:0
作者:
张慧杰;刘莉;马莎莎;刘立云;孙敏敏;王鲁繁;董海丽
来源:
中国实用护理杂志 2023 年 39卷 29期
标签:
脑出血 便秘 预测模型 Cerebral hemorrhage Constipation Predictive models
目的:探讨脑出血患者发生便秘的影响因素,构建风险预测模型,并验证该模型的预测效果,从而科学指导后续的治疗和护理。方法:采用前瞻性队列研究,便利抽样法选择2022年5 —11月在滨州医学院附属医院住院的脑出血患者254例作为建模组,按照是否发生便秘分为便秘组( n = 150)和非便秘组( n = 104),利用单因素分析和Logistic回归分析脑出血患者发生便秘的影响因素,建立风险预测模型并绘制列线图。选取2022年12月至2023年3月在同一医院住院的110例脑出血患者作为验证组,采用Hosmer-Lemeshow检验和ROC曲线对模型进行验证。 结果:本研究最终纳入住院时间、洼田饮水试验评分、营养、利尿剂4个危险因素构建风险预测模型,建模组ROC曲线下面积为0.918,95