基于智慧护理的三方双轨交互护理老年冠心病合并“三高”患者

摘要

本研究发现，基于智慧护理的三方双轨交互护理有助于提高老年冠心病糖尿病、高血压或高脂血症患者的康复质量。

摘要

本研究旨在评估结合智慧护理技术的三方双轨互动护理（TDTIN）模式在老年冠心病（CHD）合并高血压、高血糖和高血脂（统称为“三高”）患者中的有效性，并验证其对患者自我护理能力、生活质量和心理健康的改善效果。对 162 名具有“三高”的老年冠心病患者进行了一项随机对照试验，平均分为观察组（n = 81，接受基于智能护理的 TDTIN）和常规组（n = 81，接受常规护理）。两组出院后均监测3个月。标准化评估包括自我保健能力的自我保健机构锻炼 （ESCA） 量表、日常生活活动的 Barthel 指数 （BI）、心理状态的汉密尔顿焦虑 （HAMA） 和抑郁 （HAMD） 量表、Morisky 药物依从性量表和满意度调查。与常规组相比，观察组的自我护理能力（ESCA）和生活质量（BI）显着改善，HAMA和HAMD评分较低（P < 0.05）。观察组的治疗依从性（Morisky）和满意度（P < 0.05）也较高。此外，观察组的照护者表现出增强的照护技能和支持评分（P < 0.05）。TDTIN模式利用智慧护理，显著提升老年冠心病“三高”患者的自我护理能力、生活质量、治疗依从性和心理结局，同时加强家庭-社区支持体系。

引言

全球老龄化步伐的加快导致合并症的患病率不断上升，特别是冠心病 （CHD） 和代谢紊乱——高血压、高血糖和高脂血症（统称为“三高”）——在老年人群中同时存在 ^1,2。流行病学数据显示，在中国，大约 35% 的 60 岁及以上人群患有冠心病并伴有至少一种代谢异常。值得注意的是，与单一疾病患者相比，此类患者发生心血管事件的风险高出 2-3 倍，而五年再入院率上升至惊人的 40%^3,4。这些患者的临床管理充满了重大挑战，包括复杂的病理机制、多药相互作用和有限的自我管理能力。这些因素共同导致了整个医疗机构的症状控制不佳、治疗依从性差以及护理连续性分散⁵。因此，迫切需要开发和实施更有效的综合护理范式来解决这些多方面的问题。

目前的传统护理模式主要强调院内急性期管理或单一疾病干预，未能解决“冠心病三高”合并症固有的动态相互关系。此外，由于医院、社区和家庭之间的协作不畅，系统性碎片化会产生，从而破坏护理连续性⁶。虽然可穿戴设备和远程监控平台等智能护理技术为慢性病管理提供了数据驱动的支持，但它们在老年人群中的实施仍然有限。主要障碍包括技术解决方案与患者需求之间的不一致（例如，界面复杂性或延迟反馈），导致采用率低于 30%⁷。此外，仅靠以技术为中心的方法无法克服更广泛的系统性挑战，包括家庭支持不足和社区资源脱节⁸。大多数现有研究都狭隘地关注孤立的环境（例如，医院或家庭护理）或独立的技术模块（例如，基于人工智能的预警系统）^9,10。至关重要的是，一个涵盖整个“预防-干预-康复”连续体的全面、多利益相关者协作护理框架尚未开发出来。这一差距是老年多病患者实现可持续健康结果的主要障碍。

基于这些发现，该研究提出了“三方双轨互动护理（TDTIN）”模型。在理论层面，该模式通过建立集医院专科领导、社区资源联动和家庭赋能支持于一体的立体协作框架，代表了传统以疾病为中心方法的突破。通过明确定义的角色分工和责任共担机制，确保诊断、治疗、管理和支持之间的无缝协调。在技术层面，该研究引入了一种创新的“双轨”互动系统。线上赛道利用远程平台，整合动态生理监测、个性化健康教育、风险预警功能，有效解决数据碎片化相关问题。同时，线下赛道通过实施家庭照护者规范化培训、建立社区护士主导的“健康圈”支持小组、打造院域双向转诊绿色通道等方式，提升护理服务的可及性和连续性。这两个赛道协同运作，通过实时数据共享和多向反馈，形成一个闭环系统，从而克服了传统护理模式的技术限制。同样，Cheluvappa R 等人 ¹¹ 的研究也提出了多维护理对促进老年人健康的重要性。而施尼珀的研究也证实，各种护理干预措施可以减少患者出院后的不良事件¹².本研究旨在评估该模型在改善老年冠心病合并“三高”患者生理指标控制、提高自我管理效能、降低再入院率方面的功效。研究结果有望为老龄化人口的慢性病管理系统重组提供创新且实用的解决方案。

方案

本研究已完成临床试验注册（编号：ChiCTR2500104288）并已获得医院伦理委员会批准，所有参与者在整个研究期间都不知道他们的分组分配。

研究对象
选取2023年8月至2025年1月期间入院的冠心病并发“三高”患者作为研究受试者。使用 GPower 3.1.9.7 进行样本量计算。假设中等效应量（Cohen 的 d=0.5）、α=0.05 和功效 （1-β）=0.80，则需要 164 名参与者（n = 70/组）的总样本量。此外，还考虑了10%的辍学率，因此最终招募目标是182名患者。这些患者通过随机数字表法被随机分为两组：接受常规护理的常规组和接受基于智能护理的 TDTIN 干预的观察组，每组 81 名患者（随机化使用计算机生成的随机数序列实施，通过顺序编号的不透明信封进行分配隐藏）。

纳入和排除标准
纳入标准：（1） 通过冠状动脉造影确诊冠心病，并伴有至少一种特定的慢性疾病（高血压、糖尿病或高脂血症）;（2）年龄≥65岁;（3） 完整临床数据的可用性;（4） 提供签署的知情同意书。排除标准：（1）存在认知或神经功能障碍;（2）并发传染病或自身免疫性疾病;（3）严重肝肾功能不全;（4）治疗依从性差导致无法配合研究人员完成研究;或 （5） 信息缺失或失访的患者。

护理干预
入院后，患者接受针对特定群体的护理干预（常规护理和基于智能护理的 TDTIN 模型），并在整个住院期间维持并在出院后持续 3 个月（图 1）。

常规护理：
该组患者在住院期间接受了全面的常规护理。住院期间，护理人员按照主治医师提供的处方和剂量说明提醒患者，确保及时用药。此外，护士还对患者及其家属进行冠心病康复、必要的预防措施以及家庭参与在监督和支持中的关键作用进行教育。护理团队还密切监测患者的基本生理参数，包括血压、心率和血糖水平。如果读数异常，他们会及时通知主治医师并协助实施适当的干预措施。此外，他们还监督患者的日常饮食摄入量，并为患者及其家人提供心理支持。出院前，患者及其家属会接受有关出院后护理的详细指导。还指示患者在出院后 3 个月返回进行随访检查，以评估他们的康复进展。

基于智慧护理的TDTIN模型：
三方协作机制： 该模型整合了三个协作实体以提供全面的护理：（i） 医院实体：一个多学科团队——包括心血管专家、护士、营养师和心理学家——负责急性期诊断和治疗、个性化护理计划、药物指导和高危患者筛查。（ii） 社区实体：护士和全科医生进行日常监测、随访和有针对性的健康干预。他们通过定期家访和结构化健康教育课程来加强患者的依从性。（三）家庭主体：家庭照护者培训采取“理论教学+模拟培训+认证考核”三阶段模式，包括理论培训（心血管专科护士为期四周的系列讲座，涵盖疾病知识、监测技能、急诊救治等内容，每周一次;课后通过微信小程序完成线上测试）和模拟训练（在医院临床技能中心开展场景模拟训练，由模拟人练习心绞痛发作治疗、低血糖矫正等12项核心技能）。

双轨交互途径： 护理服务通过两个综合途径进行：（i） 在线轨道：智能护理平台促进动态监控和实时数据共享（材料表）。可穿戴设备跟踪重要参数（例如血压、血糖、心率），触发异常值自动警报（材料表），并在设备中设置日常用药提醒。由营养师制作健康饮食推荐表，通过微信小程序推送给患者。（ii） 线下轨道：医院-社区双向转诊系统确保急性发作期间的快速反应。社区组织的季度健康管理小组活动通过面对面的指导强化技能，而家庭则定期参加医院主导的“三高多病管理”工作坊，以增强长期的自我护理能力。为解决老年患者智能设备的使用障碍，建立了多维度技术支持网络。（1）入院第一天，病房专科护士开展“一对一”设备作培训（根据说明书介绍可穿戴手环的佩戴和作），采用场景模拟教学法演示设备佩戴、数据上传、异常报警处理等过程。（2）每位患者配备智能设备用户手册（包括图文版和语音版），其中突出显示了大字体警告标志和一键式通话功能说明;（3）建立“医院-社区-家庭”三级技术支撑体系，社区护士在每周开展入户随访时同步开展设备维护和运行评估，医院远程支持中心提供7×24小时电话指导。

核心干预措施： （i）智能监测和风险管理：患者配备智能腕带和家庭血压/血糖监测设备。这些设备将实时数据传输到医院和社区医疗保健平台，从而实现动态心血管风险评估。基于患者血糖、血压监测情况，由医护人员编辑个性化干预建议和药物剂量调整建议，并通过微信小程序推送给每位患者。（ii）用药依从性管理：药师通过微信小程序主动监控用药记录。当发现患者漏药或误用药时，医护人员直接联系患者或通过微信告知家属。（iii）生活方式管理：通过微信小程序向患者推送运动计划（如每天步行30分钟），通过小米手环实时监测运动进度，数据反馈微信小程序。此外，心理学家定期进行在线咨询会议以解决焦虑或抑郁问题，而社区护士则在就诊期间进行家庭精神状态评估，并在有临床指征时促进专家转诊。

数据闭环管理： 该智能平台集成了多源健康数据，以维护全面的患者记录并动态完善护理计划。每月，由医院临床医生、社区医疗保健提供者和家庭护理人员组成的跨学科团队都会参加虚拟病例会议。这些会议用于评估干预效果并优化常见问题的干预策略。

观察指标
自理能力评估： 采用自我护理机构锻炼量表 （ESCA）¹³ 来评估患者在护理干预前后的自我护理能力。ESCA由四个维度组成：自我概念、自我保健责任、自我保健技能和健康知识。该量表的分数越高表明自我保健能力越好。

生活质量评价： 使用三个标准化量表评估患者的生活质量：Barthel 指数 （BI）¹⁴ 和简易精神状态检查 （MMSE）¹⁵。BI 评估他们的活动能力，MMSE 评估认知功能。

心理状态评估： 汉密尔顿焦虑量表 （HAMA） 和汉密尔顿抑郁量表 （HAMD）¹⁶ 用于衡量患者的心理健康状况。这些量表的分数越高表明焦虑或抑郁症状越严重。

家庭成员评价： 采用 5 分制评分系统来评估患者家属在两个关键领域的状况： 护理技能（评分为：1 = 完全没有掌握，2 = 未掌握，3 = 基本掌握，4 = 掌握，5 = 完全掌握）。 支撑位（评级为：1 = 完全不支持，2 = 不支持，3 = 基本支持，4 = 支持，5 = 完全支持）。

治疗依从性评估： 护理干预结束时，采用Morisky服药依从性量表¹⁷ 评估患者对治疗的依从性。这个包含 8 个项目的量表产生的总分范围为 0 到 14，分类如下：14 = 完全依从，9-13 = 部分依从，0-8 = 不依从。依从率计算为完全依从率和部分依从率之和。

患者满意度评价： 干预后进行纽卡斯尔护理满意度量表 （NSNS）¹⁸ 以评估患者满意度。总分为95分，解释如下：76-95=非常满意，57-75=中等满意，38-56=不满意，19-37=非常不满意。满意率=非常满意率+中等满意率。

统计分析
所有统计分析均使用 SPSS 25.0 进行。分类变量以数字和百分比表示，并使用卡方 （χ²） 检验评估组比较。我们使用 Shapiro-Wilk 检验来检查数据的分布。对于正态分布的连续变量，数据表示为（ ± s），并使用独立样本t检验或配对t检验评估组间差异。将非正态分布的连续变量总结为中位数（四分位距，IQR），并使用 Mann-Whitney U 检验或 Wilcoxon 秩和检验进行比较。结果P < 0.05 被认为具有统计学意义。

结果

一般信息
首先，我们比较了两组的临床基线数据，结果显示，两组之间的临床基线数据没有差异（P > 0.05）（表1）。

自我保健技能的比较
ESCA量表结果比较结果显示，两组基线得分比较（P > 0.05），常规组护理后自我照顾责任感、自我保健技能得分无变化（P > 0.05），自我概念、健康知识得分升高（P < 0.05）， 而观察组4个维度得分较护理前升高，高于常规组（P < 0.05）（图2）。

生活质量对比
在生活质量方面，两组基线BI评分和MMSE评分差异无统计学意义（P > 0.05），护理后两组MMSE无变化，两组评分仍无差异（P > 0.05）;而BI更高，观察组甚至高于常规组（P < 0.05）（图3

讨论

本研究评估了基于智能护理的 TDTIN 与传统护理相比对老年冠心病并发“三高”患者的有效性。结果表明，与接受常规护理的常规组相比，观察组在自我护理能力、生活质量、情绪调节、家庭照顾能力、治疗依从性和护理满意度方面表现出显着更大的改善。这些稳健的发现强调了 TDTIN 在管理这一复杂患者群体方面的临床价值和潜在优势。

本研究的核心创新在于整合“医院-社区-家庭”资源，通过“线上+线下”双轨制实施动态闭环管理。结果表明，观察组的自我护理能力（ESCA评分）显着提高，与Braam A等人¹⁹的研究结果一致，他们在探索老年慢性病患者的多学科协作模式时强调，家庭参与和社区支持之间的深度协调大大增强了患者的自我管理能力。这些成果共同强调了三方协作机制的有效性，该机制通过共同责任和资源互补解决了传统护理实践中“院内和院外护理之间的脱节”问题。此外，智能护理技术的集成进一步放大了这些好处。正因为如此，我们可以观察到观察组在护理后的生活质量有更显着的改善。与Liu等

材料

本文使用的材料清单

姓名	公司	目录编号	评论
血糖仪 701	鱼的跳跃	20162400064	用于检测医院和家庭毛细血管全血中的葡萄糖浓度。
血压计U701	欧姆龙	20152070051	通过智能加压技术监测血压
GPower	海因里希-海涅大学ät Dü塞尔多夫	v.3.1.9.7	G*Power用于样本量计算、统计功效分析和效应量估计。
小米手环	小阿米	https://www.mi.com/ae-en/product/xiaomi-smart-band-7/
SPSS 25.0	IBM	https://www.ibm.com/products/spss-statistics	统计分析软件
微信	腾讯	https://weixin.qq.com/	一款免费应用程序，为智能终端提供即时通讯服务。