基于CiteSpace 對國內(nèi)外醫(yī)院感染護理相關(guān)研究的可視化分析

李璐 郎紅娟 劉京 黎璞 周菲 楊靜靜 吾超 賀世喆

1.空軍軍醫(yī)大學(xué)第二附屬醫(yī)院（陜西省西安市，710038）

2.空軍軍醫(yī)大學(xué)（陜西省西安市，710032）

醫(yī)院感染是指患者在醫(yī)院內(nèi)獲得的感染，包括在住院期間發(fā)生的感染和在醫(yī)院內(nèi)獲得出院后發(fā)生的感染，感染管理的控制質(zhì)量直接關(guān)系到醫(yī)療質(zhì)量及患者的安全性[1-2]。醫(yī)院感染率在逐年上升，直接造成患者平均住院時間延長4 d，影響患者疾病預(yù)后和轉(zhuǎn)歸，已構(gòu)成全球重大公共衛(wèi)生事件[3-5]。醫(yī)院感染貫穿患者診療的整個過程，包括醫(yī)療、護理、醫(yī)技、后勤保障人員以及患者自身[6]，而護理在醫(yī)院感染防控中起著至關(guān)重要的作用，是醫(yī)院感染防控的核心，然而目前大多研究集中在醫(yī)療方面，護理相關(guān)醫(yī)院感染總結(jié)較少。本研究運用CiteSpace軟件[7]，以醫(yī)院感染護理相關(guān)文獻為研究點，探索國內(nèi)外該領(lǐng)域的研究熱點、研究進展與趨勢，為進一步開展醫(yī)院感染護理研究提供參考依據(jù)。

1 資料與方法

1.1 資料來源

計算機檢索中文數(shù)據(jù)庫，包括中國知網(wǎng)（CNKI)、中國生物醫(yī)學(xué)文獻數(shù)據(jù)庫(CBM)、萬方數(shù)據(jù)庫、維普數(shù)據(jù)庫。使用高級檢索，選擇主題詞檢索，檢索主題詞為“醫(yī)院感染”O(jiān)R“院內(nèi)感染”AND“護理”，文獻來源限定核心期刊，語言限定為中文，納入符合主題、公開發(fā)表的論文，剔除會議、報紙、圖書和征稿啟事等。英文檢索Web of Science(WOS)數(shù)據(jù)庫，檢索策略為“nosocomial infection” OR“hospital infection”AND“nursing”，為研究近十三年醫(yī)院感染護理相關(guān)研究進展，故選擇檢索時限為2010年1 月1 日—2022 年12 月31 日，檢索日期為2023年1 月22 日。共檢索到2647 篇文獻，閱讀論文題目和摘要后，刪除不相關(guān)文獻，最終納入2508 篇有效文獻，其中中文文獻942 篇，英文文獻1566 篇。

她天天無所事事，這次無聊耍苦情玩，無端拉上他，這更讓田銘氣憤難平。他平靜地打電話給范青青邀見面，范青青一臉小女友的可愛賢惠，左手提著新鮮出爐的披薩，右手提著大蔥白菜、排酸冷鮮肉，進門就嬌俏地喊：“田銘，今天讓你嘗嘗我的手藝哦。”“好。”田銘竟說了一聲好，心想嘗罷手藝再說。

1.2 數(shù)據(jù)轉(zhuǎn)換與處理

使用CiteSpace6.1.R3 軟件轉(zhuǎn)換格式，設(shè)置時間為2010—2022 年，分區(qū)為1 年，閾值為50，網(wǎng)絡(luò)裁剪選擇最小生成樹算法（MST)；以作者、機構(gòu)、關(guān)鍵詞作為節(jié)點類型進行可視化分析，并檢測突現(xiàn)詞[8]。

2 結(jié)果

2.1 年度發(fā)文量

分析結(jié)果顯示，中文核心期刊發(fā)文量較Web of Science 多。國內(nèi)2010 年—2013 年呈上升發(fā)文趨勢，2013 年—2022 年波動下降；國外2010 年—2019 年呈穩(wěn)定發(fā)文趨勢，總體呈波動上升趨勢。見圖1。

圖1 中文數(shù)據(jù)庫與Web of Science 數(shù)據(jù)庫醫(yī)院感染護理研究文獻年度發(fā)文量趨勢Figure 1 Trend of annual publications of nosocomial infection nursing research literature in Chinese database and Web of Science database

2.2 作者分析

以“institution”為節(jié)點分析對研究機構(gòu)進行分析，結(jié)果見圖4、圖5。以機構(gòu)為節(jié)點進行分析，每個節(jié)點代表一個機構(gòu)，根據(jù)表1 顯示，中文數(shù)據(jù)庫中發(fā)文最多的機構(gòu)為華中科技大學(xué)同濟醫(yī)學(xué)院附屬同濟醫(yī)院護理部，其中北京醫(yī)院感染管理處和中南大學(xué)湘雅護理學(xué)院團隊合作最為緊密，其次為華中科技大學(xué)與其附屬醫(yī)院合作。Web of Science 中發(fā)文量最多的是哥倫比亞大學(xué)，其次是莫納什大學(xué)和圣保羅大學(xué)。其中莫納什大學(xué)與墨爾本大學(xué)合作最為緊密。

表1 醫(yī)院感染護理機構(gòu)發(fā)文量Table 1 Volume of hospital infection care institutions

圖2 中文數(shù)據(jù)庫醫(yī)院感染護理研究作者圖譜Figure 2 Author map of hospital infection nursing research in Chinese database

圖3 Web of Science 數(shù)據(jù)庫研究作者圖譜Figure 3 Author map of the Web of Science database

2.3 機構(gòu)分析

以“author”為節(jié)點分析，每個節(jié)點代表1 名作者，節(jié)點越大表示作者發(fā)文量越多，作者間的連線粗細表示合作程度[9]。國內(nèi)發(fā)文量最多的是錢小毛（9 篇），根據(jù)普賴斯定律計算后發(fā)文量≥4 篇的核心作者包括錢小毛（9篇）、汪輝（5篇）、商臨萍（5篇）、王婧（4 篇）、劉義蘭（4 篇）、何麗（4 篇），國外核心作者共12 位，發(fā)文量最多的是Stone, Patricia W（6 篇）、Saint, Sanjay（6 篇）。其中季雪蓮、冀會萍和馬慧麗團隊間的合作最為緊密，其次為潘穎穎、朱熠、莊建文和張淑敏團隊，張濤、肖玲、李茁和劉麗秀團隊，徐麗麗、王國權(quán)、侯彩妍和劉娜團隊以及洪麗霞和吳慧文團隊。見圖2。Web of Science 中英文作者多為團隊發(fā)文，發(fā)文量最多的為Safdar，Nasia 和Larson，Elaine。其中Yuen，Kwok-Yung,Wong,Shuk-ching,Cheng,Vincent Chi-Chung 和Chen,Jonathan Hon-Kwan 的團隊合作最為緊密，其次為Lee WM 和Yuen,KY,Wong,SCY,Chau,PH 團隊以及Kashinyama,Selya,Ohge,Hiroki,Shigemoto,Norifumi,Mor i,Minako 和Kitagawa,Hiroki 團隊。見圖3。

圖4 中文數(shù)據(jù)庫研究機構(gòu)合作圖譜Figure 4 Cooperative Map of Chinese database research institutions

圖5 Web of Science 數(shù)據(jù)庫研究機構(gòu)合作圖譜Figure 5 Web of Science database research institution cooperative map

2.4 關(guān)鍵詞共現(xiàn)分析

3.1.1 醫(yī)院感染護理相關(guān)危險因素 現(xiàn)有文獻多采用回顧性研究表明患者高齡、抗生素濫用、住院時間等是目前醫(yī)院感染常見危險因素，較少文獻研究醫(yī)院感染發(fā)生的護理相關(guān)原因，目前已知原因包括護士手衛(wèi)生不到位[12]、護理操作不規(guī)范等[13]。國外研究表明，科室物品擺放不合理[14]、病床間距過短[15]、護理人員不足或工作量與資源失衡是院內(nèi)感染和微生物交叉?zhèn)鞑サ闹匾獩Q定因素[16]，可能包括沒有時間遵守感染控制建議、工作不滿、與工作相關(guān)的倦怠、曠工和人員流動率高[17]，已有研究明確表明護士的壓力水平使醫(yī)院感染的發(fā)生率增加了3.2 倍以上[18]，因此，合理調(diào)配護理資源、提高護士手衛(wèi)生依從性、促使護士執(zhí)行標(biāo)準(zhǔn)化操作對于降低醫(yī)院感染風(fēng)險具有積極意義。近年來，隨著信息化時代的不斷發(fā)展，利用機器學(xué)習(xí)算法輔助研究醫(yī)院感染危險因素分析成為新的研究方式，對醫(yī)院感染的危險因素分析更加深入。機器學(xué)習(xí)是指計算機能夠利用監(jiān)督學(xué)習(xí)或非監(jiān)督學(xué)習(xí)來識別潛在信息或?qū)?shù)據(jù)進行預(yù)測[19]，常見的機器學(xué)習(xí)算法有人工神經(jīng)網(wǎng)絡(luò)、決策樹、支持向量機、樸素貝葉斯和k-means 聚類等[20]。劉建模等[21]采用使用Logistic回歸和3 種機器學(xué)習(xí)算法（隨機森林、XGBoost、LightGBM）構(gòu)建急性缺血性腦卒中醫(yī)院感染預(yù)測模型，研究表明基于機器學(xué)習(xí)醫(yī)院感染預(yù)測模型有利于早期識別急性缺血性腦卒中患者醫(yī)院感染及挖掘危險因素。今后研究者可以利用機器學(xué)習(xí)在醫(yī)院感染領(lǐng)域針對不同疾病感染結(jié)局的風(fēng)險進行預(yù)測研究，深度挖掘醫(yī)院感染發(fā)生的危險因素，同時確保開發(fā)的預(yù)測模型的準(zhǔn)確性和可行性以應(yīng)用于臨床感染控制。醫(yī)院感染危險因素的探索啟示醫(yī)務(wù)人員應(yīng)采取措施對上述危險因素采取針對性措施以降低醫(yī)院感染率，協(xié)助患者治療及康復(fù)。

表2 醫(yī)院感染護理關(guān)鍵詞頻次表Table 2 Key frequency of nosocomial infection care

圖7 Web of Science 數(shù)據(jù)庫醫(yī)院感染護理關(guān)鍵詞共現(xiàn)圖Figure 7 Co-occurrence of nosocomial infection care in Web of Science database

2.5 突現(xiàn)詞分析

3.1.3.1 預(yù)防醫(yī)院感染的護理措施 有效的手衛(wèi)生是國內(nèi)外公認的避免患者院內(nèi)感染的最重要措施之一，大多數(shù)護理工作人員能有效掌握手衛(wèi)生的相關(guān)知識，但手衛(wèi)生行為依從性很難達到標(biāo)準(zhǔn)[34]，為此研究者們采取一系列理論支持的護理干預(yù)措施加強手衛(wèi)生[35]。集束化干預(yù)措施是通過具有循證理論支持的一組綜合性護理措施，連續(xù)、循環(huán)地干預(yù)分析醫(yī)院感染發(fā)生率及環(huán)節(jié)質(zhì)量和干預(yù)效果，從而建立長期質(zhì)量持續(xù)改進機制[36-37]。預(yù)警護理分析醫(yī)院感染的風(fēng)險因素，以此總結(jié)和規(guī)劃由風(fēng)險針對性的護理模式，同時增強護理人員風(fēng)險預(yù)警意識，以達到預(yù)防和控制院內(nèi)感染的作用[38]。縱橫雙向?qū)蛹壺?zé)任制護理是指根據(jù)護士能力分不同層級給予不同工作權(quán)限并履行不同崗位職責(zé)和工作任務(wù)以確保護理質(zhì)量，護士操作的能力在一定程度上可以減少醫(yī)院感染[39]。感染防控督導(dǎo)員長效管理機制能有效控制醫(yī)務(wù)人員發(fā)生醫(yī)院感染的風(fēng)險，對提高護理人員自身感染防控意識起到了促進作用[40]。多點反饋管理模式也有類似的作用和效果[41-42]。文獻中從單一干預(yù)措施到理論為基礎(chǔ)的多策略組合降低了醫(yī)院感染發(fā)生率，但具體如何多策略組合仍缺乏循證依據(jù)。近幾年，人工智能在醫(yī)院感染目標(biāo)檢測與監(jiān)測等領(lǐng)域發(fā)展發(fā)揮作用，通過人工智能技術(shù)，規(guī)范醫(yī)務(wù)人員行為以達到預(yù)防醫(yī)院感染的目的[43-44]。國內(nèi)忻超等[45]研究基于YOLOv5 神經(jīng)網(wǎng)絡(luò)結(jié)合深度學(xué)習(xí)數(shù)據(jù)增強，利用攝像頭數(shù)據(jù)檢測防護服穿脫是否規(guī)范，對洗手動作、穿戴醫(yī)用手套、穿脫防護服等規(guī)范的執(zhí)行情況進行識別，借助信息化全平臺準(zhǔn)確評判。國外有研究通過卷積網(wǎng)絡(luò)分類器的計算機深度學(xué)習(xí)后監(jiān)測醫(yī)務(wù)人員手衛(wèi)生執(zhí)行情況[46]，或使用可穿戴技術(shù)應(yīng)用于手衛(wèi)生監(jiān)測[47]。國外人工智能技術(shù)應(yīng)用于醫(yī)院感染較國內(nèi)成熟，而目前防控效果有待商榷，其一：精準(zhǔn)識別采集到的圖像需要深度學(xué)習(xí)后得到高質(zhì)量數(shù)據(jù)庫，然而數(shù)據(jù)庫的質(zhì)量尚且不能保證；其二：醫(yī)務(wù)人員依賴于人工智能的監(jiān)管，當(dāng)停止人工智能技術(shù)反饋后，預(yù)防措施實施水平明顯下降。人工智能助益于醫(yī)院感染防控，未來仍有很大的研究空間。

圖8 中文醫(yī)院感染護理突現(xiàn)詞可視化分析Figure 8 Visualization analysis of Chinese hospital infection words

圖9 Web of Science 醫(yī)院感染護理突現(xiàn)詞可視化分析Figure 9 Web of Science visual analysis of emerging words for hospital infection care

3 討論

3.1 研究熱點分析

根據(jù)關(guān)鍵詞出現(xiàn)頻次及突現(xiàn)詞分析，該領(lǐng)域研究熱點國內(nèi)外醫(yī)院感染護理研究內(nèi)容大致相同，可歸納為三個方面：①醫(yī)院感染發(fā)生的危險因素；②感染發(fā)生的常見位置；③感染的護理對策與管理。

關(guān)鍵詞通常用來表現(xiàn)文章的主體內(nèi)容，具有高度概括性和主題引導(dǎo)性，通過對關(guān)鍵詞出現(xiàn)頻次的統(tǒng)計可以了解相關(guān)領(lǐng)域的研究熱點。中介中心性用來衡量文獻的重要性，若節(jié)點具有較高的中介中心性，則該節(jié)點可能更加重要，也越有可能成為不同領(lǐng)域之間的關(guān)鍵轉(zhuǎn)折樞紐[10]。如圖6、圖7 所示，在中文文獻中合并整理后共總結(jié)得到208 個關(guān)鍵詞，關(guān)鍵詞多與醫(yī)院感染、護理、危險因素、護理對策、手衛(wèi)生有關(guān)；英文文獻中合并同類并整理后得到93個關(guān)鍵詞，關(guān)鍵詞與中文數(shù)據(jù)庫大致相同。關(guān)鍵詞出現(xiàn)頻次與中介中心性見表2。

3.1.2 醫(yī)院感染發(fā)生常見位置

大峽谷村游客中心結(jié)構(gòu)價值圖顯示，近70%游客認為鄉(xiāng)村旅游地的公共服務(wù)設(shè)施如安全設(shè)施、特殊群體設(shè)施、停車場地、廁所等是游客中心最重要的屬性之一，而實證研究發(fā)現(xiàn)，游客對于服務(wù)設(shè)施的感知價值僅為3.60左右，總體滿意度較低。此外，較多游客反映大峽谷村覆蓋范圍廣，道路建設(shè)不完善，景點連接也存在“最后一公里”的問題。目前，大峽谷村觀光交通只限于景區(qū)巴士，游客須等候較長時間，缺乏人性化設(shè)計，不能滿足自由行的需求。

3.1.2.2 患者發(fā)生醫(yī)院感染常見位置 根據(jù)以上突現(xiàn)詞可知血液透析、機械通氣是醫(yī)院感染發(fā)生的常見危險因素之一，患者病情危重、侵入性操作多，因此綜合ICU 成為醫(yī)院感染最常見的科室[26]。其中機械通氣造成多重耐藥菌在醫(yī)院感染護理占首要原因，主要由于氣管導(dǎo)管壓力不足，聲門下隙聚集大量分泌物順氣管流入肺內(nèi)，隨插管時間延長造成多重耐藥菌感染[27]，除護理操作秉承無菌觀念外采用氣囊壓力監(jiān)測[28]和聲門下吸引[29]等方法。血管導(dǎo)管相關(guān)血流感染是由于病原微生物接觸導(dǎo)管后黏附于其表面，經(jīng)不斷增殖、聚合，形成了對抗抗菌藥的生物膜，并進入血液引起感染造成菌血癥[30]，目前研究使用新技術(shù)導(dǎo)管涂層技術(shù)、抗菌溶液封管技術(shù)，應(yīng)用氯己定抗菌敷料在一定程度上可以減少醫(yī)院感染[31]。臨床上最為常見的護理相關(guān)醫(yī)院感染除血流感染、呼吸機相關(guān)肺炎外還包括導(dǎo)尿管相關(guān)泌尿系統(tǒng)感染，留置導(dǎo)尿管會造成病原微生物沿著導(dǎo)尿管的外壁進入尿道，同時插管過程中可能損傷尿道，從而使病原微生物侵犯尿道黏膜而致感染[32]，臨床采取無菌的持續(xù)密閉引流系統(tǒng)，強化手衛(wèi)生、無菌技術(shù)操作、增加消毒次數(shù)等方法管理[33]。護理管理者通常根據(jù)指南對常見醫(yī)院感染發(fā)生位置制定防控計劃，臨床中使用護理標(biāo)準(zhǔn)化操作聯(lián)合綜合干預(yù)措施以監(jiān)管醫(yī)院感染，但收效尚未有定論，因此建立循證為基礎(chǔ)的護理措施尤為重要。

監(jiān)督流程不夠具體。監(jiān)督是相對獨立的，應(yīng)建立相對獨立的監(jiān)督流程，這樣才能做到客觀公正。但許多現(xiàn)行制度對監(jiān)督的要求提得多，對監(jiān)督流程卻規(guī)定得少，有時候監(jiān)督流程與決策流程互相混淆，導(dǎo)致監(jiān)督人員既充當(dāng)了“運動員”角色，又承擔(dān)了“裁判員”職責(zé)；有時候把議事規(guī)則替代監(jiān)督流程，致使監(jiān)督人員在毫不知情的情況下濫竽充數(shù)地列席會議，又無端地為其“簽字背書”，嚴(yán)重背離了監(jiān)督初衷。

3.1.2.1 醫(yī)院感染發(fā)生高頻接觸物體表面 醫(yī)院不同科室高頻接觸表面發(fā)生醫(yī)院感染現(xiàn)狀不容樂觀[22]。科室之間常用醫(yī)療器械不同，造成醫(yī)院感染的高頻接觸表面也不盡相同，重疊的高頻接觸表面包括病床、門把手、監(jiān)護儀、治療車[23]，不同的高頻接觸表面需要不同的消毒次數(shù)[24]，然而目前指南指出的消毒頻次不能完全滿足醫(yī)院感染預(yù)防要求，現(xiàn)有研究追加的消毒頻次和消毒流程缺乏循證依據(jù)[25]。今后可在高頻接觸表面形成消毒流程標(biāo)準(zhǔn)和在抗菌表面進行技術(shù)研究以保持抗菌效果。

3.1.3 預(yù)防醫(yī)院感染的護理措施與管理

關(guān)鍵詞突現(xiàn)是指在短時間內(nèi)，某個關(guān)鍵詞頻次增加顯著，可以表明此段時間關(guān)注度較高的研究，據(jù)此判斷該研究領(lǐng)域的熱點和趨勢[11]，見圖8、圖9。研究結(jié)果顯示，國內(nèi)2010 年—2012 年醫(yī)院感染的管理與控制為主要研究方向，2013 年逐漸開始研究醫(yī)院感染的危險因素，并且護理人員意識到醫(yī)院感染需要針對高危人群（如血液透析患者、機械通氣患者、老年患者）采取相應(yīng)護理措施進行控制，2020 年開始由于新型冠狀病毒肺炎疫情防控形成新的研究熱點。國內(nèi)外研究趨勢大致相同，2014年起對多重耐藥菌感染、感染發(fā)生率、感染位置研究較國內(nèi)多。

3.1.3.2 預(yù)防醫(yī)院感染的護理管理 護理管理為醫(yī)院感染防控工作的重要組成部分[48]。在國家、醫(yī)院系列文件和政策推動下，根據(jù)評價指標(biāo)體系標(biāo)準(zhǔn)，醫(yī)院感染控制專科護士得到了高質(zhì)量、規(guī)范化的培養(yǎng)，專科護士在知識、實踐能力、管理、教育方面均有全面提升[49]。醫(yī)院感染的預(yù)防不僅是醫(yī)護人員的努力，同時對患者及家屬通過語言講解或發(fā)放宣傳手冊等方式進行健康宣教，促使其了解醫(yī)院感染的因素，提升對醫(yī)院感染的認識，掌握手衛(wèi)生的方法，為全面開展醫(yī)院感染的防控提供保障[50-52]。加強醫(yī)院感染護理防控不僅需要護理管理者與醫(yī)院感染工作人員、護理人員與患者有效溝通機制，也需要標(biāo)準(zhǔn)、規(guī)范的流程和監(jiān)管制度，以先進科學(xué)技術(shù)輔佐，形成全面立體的醫(yī)院感染防控體系。

毋庸置疑，正是更為深層的制度原因主導(dǎo)了儒家對女性的角色定位，裹挾于其中的女性是男性中心的宗法制度與君主專制制度的受害者與犧牲品，因而對儒家女性觀的反思離不開對基于儒家倫理的制度設(shè)定的批判。時至今日，封建君主制與家族制度早已崩解，“三綱”論與“三從”“四德”說備受質(zhì)疑，傳統(tǒng)的家庭倫理也受到?jīng)_擊而處于重構(gòu)之中。在此形勢下，儒學(xué)要在當(dāng)代社會復(fù)興就必須在自我批判中正視并回應(yīng)女性主義的挑戰(zhàn)，實現(xiàn)現(xiàn)代轉(zhuǎn)化。

3.2 研究趨勢分析

國外醫(yī)院感染護理相關(guān)研究不斷增多，根據(jù)突現(xiàn)詞圖譜可以看出研究趨勢是發(fā)生醫(yī)院感染的相關(guān)危險因素和醫(yī)院感染的護理防控措施。在國內(nèi)，2013—2020年醫(yī)院感染護理相關(guān)研究呈下降趨勢，原因可能為醫(yī)院感染危險因素和干預(yù)措施研究趨于飽和[53-55]。疫情防控成為2020—2022 年新的研究熱點，新型冠狀病毒感染為醫(yī)院感染防控提示，以此建立呼吸道傳染病醫(yī)院感染快速反應(yīng)團隊和防控流程，在此方面形成循證為依據(jù)的防控措施與流程[56-59]，為以后傳染疾病醫(yī)院感染控制提供建議和思考。

4 小結(jié)

根據(jù)以上結(jié)果來看，國外醫(yī)院感染護理領(lǐng)域團體網(wǎng)絡(luò)發(fā)展較國內(nèi)研究完善，國內(nèi)在該領(lǐng)域核心作者較國外少，國內(nèi)研究機構(gòu)之間連線較少，因此在后續(xù)研究中，各醫(yī)院與學(xué)校間應(yīng)加強學(xué)術(shù)交流活動，提升醫(yī)院感染方面科研水平。“十四五規(guī)劃”指出：全面推進健康中國建設(shè)，提高突發(fā)公共衛(wèi)生事件應(yīng)對能力，中共二十大報告再次強調(diào)提升公共衛(wèi)生等重大突發(fā)事件能力。醫(yī)院感染防控是應(yīng)對突發(fā)公共衛(wèi)生事件中的重要環(huán)節(jié)，采取措施控制醫(yī)院感染率仍是重要問題。本文通過可視化分析為研究者指出近年醫(yī)院感染護理研究熱點變化，從護理的角度提供最近研究進展，建議使用機器學(xué)習(xí)分析醫(yī)院感染發(fā)生的危險因素，醫(yī)護人員針對醫(yī)院感染危險因素和發(fā)生醫(yī)院感染常見位置采取循證護理措施，同時輔以科技技術(shù)監(jiān)測和良好的管理方式以降低醫(yī)院感染發(fā)生率。但是由于本研究僅納入核心期刊，結(jié)果存在一定的不完整性，后期研究者可納入更多文獻為臨床護理提供參考依據(jù)。

這句話提醒了菲利普，他打電話詢問去過亞當(dāng)家的急救人員，得到肯定回復(fù)后立刻報了警。警察馬上趕到亞當(dāng)家，取走了那個可疑的藥瓶。