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34 | 下载137

目的:通过分析早产儿喂养影响因素,建立早产儿喂养不耐受判别分析的模型。方法:收集2012年3月~2013年3月我院早产儿及早产儿喂养不耐受患儿相关资料525例,运用多元 Logistic 回归法进行分析,找出与早产儿喂养密切相关的影响因素,建立早产儿喂养不耐受判别分析模型,以此模型对2013年10月~2014年12月新生儿科住院早产儿501例进行预测,并与其早产儿喂养不耐受实际发生情况对比,以检测模型的敏感度、特异度、假阳性率、假阴性率和符合率。结果:与早产儿发生喂养不耐受密切相关的有呕吐、腹胀、败血症、胃残留食物、胎龄等5大因素,由此建立的喂养不耐受判别分析模型敏感度为78.21%,特异度为88.89%,假阳性率为11.11%,假阴性率为21.79%,符合率为87.23%。结论:判别模型的建立有助于早产儿喂养不耐受的早期诊断分析及早期治疗和护理干预。

作者:卢琼芳

来源:护理实践与研究 2016 年 13卷 14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:34 | 下载:137
作者:
卢琼芳
来源:
护理实践与研究 2016 年 13卷 14期
标签:
早产儿 喂养不耐受 多因素回归分析 判别模型 Feeding intolerance in premature infants Multivariate factors regression analysis Discriminant model
目的:通过分析早产儿喂养影响因素,建立早产儿喂养不耐受判别分析的模型。方法:收集2012年3月~2013年3月我院早产儿及早产儿喂养不耐受患儿相关资料525例,运用多元 Logistic 回归法进行分析,找出与早产儿喂养密切相关的影响因素,建立早产儿喂养不耐受判别分析模型,以此模型对2013年10月~2014年12月新生儿科住院早产儿501例进行预测,并与其早产儿喂养不耐受实际发生情况对比,以检测模型的敏感度、特异度、假阳性率、假阴性率和符合率。结果:与早产儿发生喂养不耐受密切相关的有呕吐、腹胀、败血症、胃残留食物、胎龄等5大因素,由此建立的喂养不耐受判别分析模型敏感度为78.21%,特异度为88.89%,假阳性率为11.11%,假阴性率为21.79%,符合率为87.23%。结论:判别模型的建立有助于早产儿喂养不耐受的早期诊断分析及早期治疗和护理干预。