基于遠程心電監護系統的人工智能延續性護理對極低超低出生體重兒的影響*

韓玉珠，李雙雙，顧瓅，周金君，周慧，胡鵬

（南通大學附屬南通婦幼保健院，江蘇南通，226018）

極早產兒，包括極低出生體重兒和超低出生體重兒，分別是指出生1h 內體重小于1500g和1000g的新生兒。近年來，隨著圍生期管理技術和新生兒重癥監護病房（neonatal intensive care unit，NICU）監護技術的提高、產科病房的建立和新生兒科早期發展干預項目的開展，極低超低出生體重兒的存活率達到50%～60%，部分醫院高達70%［1］。但極早產兒出院后因照護方面的疏忽，導致生長發育落后、智力發育遲滯以及風險事件的發生，給患兒本身和家庭、社會帶來傷害和負擔［2-5］。延續性護理干預可提升家長主觀能動性和自我效能感，降低母嬰并發癥，促進早產兒智能發育，降低再次住院率，提高母嬰生活質量［6-9］。延續性護理主要指護理人員對患者進行系列行為設計，保證其在相同或者不同的場所收到相同水平照顧［8］。研究表明［9］，從新生兒重癥監護室到家庭的過渡時期，提供以家庭訪視、電話隨訪和視頻會議為主要形式的延續支持和教育計劃可促進極低出生體重早產兒生長發育，并降低其腦癱發生率和再入院率。但我國在早產兒出院后延續護理起步較晚，具有專業資質的兒童護理人員還十分缺乏。人工智能（artificial intelligence，AI）是一門研究、開發用于模擬、延伸和擴展人的智能的理論、方法、技術及應用系統的技術科學［10］。為適應我國國情極早產兒的延續性護理需要，家庭生理參數支持系統作為人工智能的一部分，高新技術與傳統手段能夠優勢互補，探索適合我國極低超低出生體重兒出院護理康復的新思路。本研究自2017年10月—2018年9月開發早產兒遠程心電監護系統，其能人工智能跟蹤記錄早產兒出院后心率、體溫、氧飽和度等生理參數并智能辨別，最終反饋給護理人員進行及時針對的延續性護理，取得較好的效果，現將方法和結果報道如下。

1 資料與方法

1.1 一般資料

采用便利抽樣法選，取2017年10月—2018年9月本院新生兒科出院的122例順產極早產兒作為研究對象。按隨機數字表法結合密閉信封的方式，將其分為觀察組62例和對照組60例。觀察組男33例，女29例；胎齡27～31周，平均（29.2±1.4）周；出生體重0.81～1.46kg，平 均（1.13 ±0.47）kg；Apgar 評分［11］3～7分，平均（7.00 ± 0.80）分。其中極低出生體重58例，超低出生體重兒4例；出生后窒息29例（輕度窒息27例），重度缺血缺氧性腦病2例，有驚厥者1例。對照組男32例，女28例；胎齡28～31周，平均（30.1±1.2）周；出生體重0.74～1.43kg，平均（2.10±0.34）kg；Apgar 評分［11］4～8分，平均（6.9±1.1）分；極低出生體重兒57例，超低出生體重兒3例；其中出生后窒息28例（其中輕度窒息20例），輕度缺血缺氧性腦病25例，重度缺血缺氧性腦病3例，其中有驚厥者2例。兩組患兒一般資料比較，差異無統計學意義（均P＞0.05），具有可比性。本研究通過醫院倫理委員會同意。

1.2 納入標準與排除標準

納入標準：出生體重＜1500g 或＜1000g；出院后需要使用家庭脈氧儀和制氧機；家屬簽署知情同意書。排除標準：患兒有重度缺血缺氧性腦病、先天畸形、遺傳代謝性疾病、嚴重先天性心臟病。

1.3 方法

1.3.1 對照組 出院前準備工作，①極低超低出生體重早產兒病情穩定時，通知家屬到病房進行“袋鼠式護理”和試喂。②母嬰同室：根據患兒個體情況及家屬意愿，遵醫囑予母嬰同室。③開展早產兒學校，為極低超低出生體重兒家屬傳授家庭照護方面的理論和方法。④告知家屬準備脈氧儀和制氧機，進行簡要的操作講解。常規進行出院指導和健康宣教，安排隨訪時間，并告知隨診的重要性，督促家屬做好新生兒高危兒和新生兒?？崎T診隨訪；為家長提供出院宣教手冊。

1.3.2 觀察組 觀察組患者在對照組的基礎上進行基于早產兒遠程監護系統的人工智能延續性護理干預。

1.3.2.1 早產兒遠程心電監護系統 早產兒遠程監護系統由智能移動監護終端（由本課題組成員之一高級工程師通過通訊借口，借助通訊協議的引導，將遠程模塊安裝于家庭式脈氧儀上，并用通俗易懂的語言指導家長掌握操作流程）采集各家庭早產兒的心電、脈搏、血氧飽和度等重要生理參數信息，數據后上傳至接入微信平臺的醫療中心服務器組，進行初步分析處理。①人工智能分析，即遠程模塊讀取、存儲生命體征數據，傳送至醫護延續性服務中心，把握極早產兒生命狀態總趨勢，并通過人工智能分析，給出個性化延續性護理方案；②監測報警信息，即當傳輸過來的數據超過或低于設置范圍10%時，系統會出現報警；③及時發現疑似異常信息 提醒工作人員進行排查，確認異常信息，并作出相應的指導和干預醫護人員給予實時評判，決定是否需要立即給予緊急處理，并通過微信、電話實時指導家庭照護，使延續性護理管理實時有效；④經家長同意，將其加入規范建立的“杏仁醫生”微信平臺，家長通過平臺建立寶寶的成長記錄，包括頭圍、身長、體重，平臺上顯示寶寶生長曲線。

圖1 早產兒遠程監護系統

1.3.2.2 醫護人員的工作內容 數據由人工智能系統初步分析處理后，護理人員對所上傳的數據進一步評估和分析。①客觀評估，即對所有數據進行評估，護理人員結合微信平臺和家長進行溝通，確認數據的真實性和有效性；②分析處理，主要針對系統報警的異常信息，經過上述客觀評價后，護理人員通過微信平臺，指導家長緊急處理。如嗆奶導致血氧下降的異常信息得到確認后，護理人員指導家長拍背刺激極早產兒、正確使用家庭制氧機等；③健康宣教，護理人員在醫生的指導下，負責每日檢查系統的運行狀況，通過“患教中心”、“智能小護士”、“隨訪計劃”等項目及時上傳相關健康宣教相關內容，如居家生活環境、喂養、早產兒常見癥狀預防及處理方法、風險事件緊急處理措施等，保證整個系統的閉環式有效管理。④醫生指導：如家長咨詢的問題超出了護理人員自身的能力范圍，由系統所配備的兒科醫生給予解答。

1.4 評價指標

1.4.1 早產兒出院后6個月的頭圍、身長、體重增長情況 ?？谱o士指導家長正確測量極早產兒出院3個月與6個月的頭圍、身長、體重，并登陸“杏仁微信”平臺，輸入極早產兒的頭圍、身長、體重建立極早產兒成長曲線圖。

1.4.2 6個月極早產兒康復情況 ①患病率，患兒出院后由于護理不當所患的疾病。②風險事件發生率，包括誤吸嗆奶、未及時發現脈氧儀報警等。③再入院率，極地/超低出生體重兒出院后6個月之內再次住院的發生率。

1.5 統計學方法

數據采用SPSS 24.0 統計軟件對數據進行統計學分析，計數資料采用率（%）表示，比較采用χ2檢驗，計量資料采用均數±標差（±s）表示，比較采用t檢驗。檢驗水準α=0.05。

2 結果

2.1 兩組極早產兒出院3個月及6個月分別較出院時的身長、體重和頭圍增長值比較

兩組極早產兒出院3個月和6個月較出院時的身長、體重和頭圍增長值比較見表1。由表1可見，兩組極早產兒出院3個月和6個月較出院時身長和體重增長值比較，差異具有統計學意義（均P＜0.05），觀察組多于對照組；兩組極早產兒出院3個月和6個月較出院時頭圍比較，差異無統計學意義（均P＞0.05）。

2.2 兩組極早產兒出院6個月內再次患病率、風險發生率和再入院率比較

兩組極早產兒出院6個月內再次患病率、風險事件發生率和再入院率比較見表2。由表2可見，觀察組極早產兒的再次患病率、風險事件發生率和再入院率情況比較，觀察組均明顯低于對照組，差異有統計學意義（均P＜0.05）。

3 討論

3.1 基于早產兒遠程心電監護系統的人工智能延續性護理促進極早產兒生長

極早產兒出生后身體發育不成熟，生理功能低下，短期的住院治療只能暫時穩定患兒的狀態，出院后需為家庭照護提供指導和幫助。極早產兒家長對患兒出院后的追趕生長表現出強烈需求。住院時由于新生兒重癥監護室為避免感染發生采用全封閉式管理［11-13］，在一定程度上影響家庭照護極早產兒相關護理相關知識與技能的掌握。本研究中人工智能系統，通過“患教中心”“智能小護士”“隨訪計劃”等項目進行健康宣教，使家長更加重視極早產兒的生長發育，并積極上傳極早產兒身長、體重、頭圍的相關生長指標數據。醫護人員以此為依據，及時提供營養治療方案，如母乳強化劑添加方法的改進、鈣劑的補充等；而單純的常規門診隨訪相對不能保證數據獲取的及時性，有可能影響干預的最佳時機。因此，本研究中觀察組患兒出院后3個月和6個月較出院時的身長、體重增長值明顯高于對照組（均P＜0.05）。由此可見，人工智能系統方便家長在第一時間上傳極早產兒生長指標的相關數據，為醫護人員進一步干預起到了關鍵性的作用。但兩組患兒的頭圍增長值比較，差異無統計學意義（均P＜0.05），這是由于新生兒的頭圍1周歲左右有明顯的變化，而本研究時間未超過12個月。

表1 兩組極早兒出院3個月和6個月較出院時身長、體重和頭圍增長值的比較（±s）

表1 兩組極早兒出院3個月和6個月較出院時身長、體重和頭圍增長值的比較（±s）

3個月增長值 6個月增長值項目 t P t P身長（cm）體重（kg）頭圍（cm）觀察組（n=62）18.03±1.20 3.80±0.38 13.55±1.38對照組（n=60）13.28±0.05 3.55±0.10 12.34±0.89 2.35 3.12 1.73＜0.05＜0.05＞0.05觀察組（n=62）28.27±2.80 6.36±0.38 13.65±4.01對照組（n=60）21.14±0.18 5.25±0.06 10.89±0.44 2.03 2.37 1.17＜0.05＜0.05＞0.05

表2 兩組極早產兒出院6個月再次患病率、風險事件發生率和再入院率比較（n/%）

3.2 基于早產兒遠程心電監護系統的人工智能延續性護理促進極早產兒康復

3個月內極早產兒先天不足，自身抵抗力低下，出院時患兒不能立即適應從恒溫箱到家庭環境的轉變，溫濕度差異大，氣候稍有變化，更加不能適應，導致再次患病、再次入院的事件發生［14］。家長缺乏照護經驗，信心不足，存在焦慮情緒，一旦患兒出現嗆奶窒息等問題，不能運用正確的方法進行應變處理，由此導致患兒出院后再次風險事件的發生。而基于早產兒遠程心電監護系統的人工智能延續性護理通過人工智能系統實時采集極早產兒脈氧飽和度、心率等生理參數，醫護人員確認異常信息，輔以微信平臺，通過語音對話、發送視頻能使家長得到有效指導和幫助，由此減輕家長的照護負擔和潛在的家庭經濟負擔［15-16］，減緩家長照護的焦慮情緒，提高照護者積極應對的能力［17-18］。因此，觀察組極早產兒在體重、身長顯著增長、自身抵抗力增強的基礎上，患病率、風險事件發生率、再入院率得到有效控制，更好地促進了極早產兒的康復。

4 結論

本研究通過人工智能系統建立極早產兒生命體征、生長發育等相關大數據的建立，制定軟件智能評估標準體系，使該系統智能化評估患兒整體狀態，并給予相應的延續性護理，可促進極早產兒出院6個月的體重、身長和頭圍增長，減少兩次患病率、風險事件發生率和再入院率進而有利于及早產兒的康復。隨著后期大數據的逐漸積累，可實現最終的智能體系。因此，基于早產兒人工智能系統的延續性護理具有較高的社會價值，但涉及到系統的開發存在一定的經濟費用，可能影響到工作的推廣。如何使其更為經濟實用，也是值得進一步探討的問題。