연구 논문

"3고"가 합병증인 관상 동맥 심장 질환이 있는 노인 환자의 스마트 간호 기반 삼자 이중 트랙 대화형 간호

DOI:

10.3791/68948

⸱

2025년 9월 26일

 , 
1Department of Geriatrics, The First Affiliated Hospital of Air Force Medical University, 2Nursing Department, The First Affiliated Hospital of Air Force Medical University

이 논문에서

정오 공지

Important: There has been an erratum issued for this article. View Erratum Notice

요약

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

본 연구는 스마트 간호 기반의 삼자 이중 트랙 대화형 간호가 당뇨병, 고혈압 또는 고지혈증을 앓고 있는 노인 관상 동맥 심장 질환 환자의 재활의 질을 향상시키는 데 도움이 되는 것으로 나타났습니다.

초록

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

본 연구의 목적은 고혈압, 고혈당증, 고지혈증을 동반한 관상동맥심장질환(CHD)을 동반한 노인 환자를 대상으로 스마트 간호 기술을 접목한 TDTIN(Tripartite Dual-Track Interactive Nursing) 모델의 효과를 평가하고, 환자의 자기 관리 능력, 삶의 질, 심리적 웰빙에 대한 개선 효과를 검증하는 것이다. 무작위 대조 시험은 관찰군(n = 81, 스마트 간호 기반 TDTIN 투여)과 기존 그룹(n = 81, 기존 치료를 받음)으로 균등하게 할당된 "3가지 최고치"를 가진 노인 CHD 환자 162명을 대상으로 수행되었습니다. 두 그룹 모두 퇴원 후 3개월 동안 모니터링되었습니다. 표준화된 평가에는 자기 관리 능력에 대한 ESCA(Exercise of Self-Care Agency) 척도, 일상 생활 활동에 대한 BI(Barthel Index), 심리적 상태에 대한 HAMA(Hamilton Anxiety) 및 HAMD(Depression) 척도, 순응도를 위한 Morisky Medication Adherence Scale, 만족도 조사. 관찰군은 기존 그룹에 비해 자기 관리 능력(ESCA)과 삶의 질(BI)이 유의하게 더 크게 향상되었으며 HAMA 및 HAMD 점수가 낮았습니다(P < 0.05). 관찰군은 또한 더 높은 치료 순응도(Morisky)와 만족도(P < 0.05)를 보였습니다. 또한 관찰군의 간병인은 간병 기술과 지원 점수가 향상되었습니다(P < 0.05). 스마트 간호를 활용한 TDTIN 모델은 가족-지역사회 지원 시스템을 강화하는 동시에 "3가지 최고점"을 가진 노인 CHD 환자의 자가 관리 능력, 삶의 질, 치료 순응도 및 심리적 결과를 크게 향상시킵니다.

서론

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

전 세계적으로 고령화의 가속화 속도로 인해 동반 질환의 유병률이 증가했으며, 특히 노인 인구 사이에서 관상 동맥 심장 질환(CHD)과 대사 장애(고혈압, 고혈당증 및 고지혈증)(총칭하여 "3가지 고점"이라고 함)가 동시에 존재하고 있습니다 1,2. 역학 데이터에 따르면 중국에서는 60세 이상 개인의 약 35%가 이러한 대사 이상 중 하나 이상과 함께 CHD를 앓고 있습니다. 특히, 이러한 환자의 심혈관 사건 위험은 단일 질환을 가진 환자에 비해 2-3배 더 높은 반면, 5년 재입원율은 무려 40%로 증가합니다3,4. 이러한 환자의 임상 관리는 복잡한 병리학적 메커니즘, 다제적 상호작용, 제한된 자기 관리 능력 등 심각한 과제로 가득 차 있습니다. 이러한 요인들은 최적이 아닌 증상 조절, 열악한 치료 순응도, 의료 환경 전반에 걸친 단편적인 치료 연속성에 종합적으로 기여합니다5. 결과적으로, 이러한 다면적인 문제를 해결하기 위해 보다 효과적인 통합 간호 패러다임을 개발하고 구현하는 것이 시급합니다.

현재의 전통적인 간호 모델은 주로 병원 내 급성기 관리 또는 단일 질병 개입을 강조하며 "CHD-3 높음" 동반 질환에 내재된 역동적인 상호 관계를 해결하지 못합니다. 더욱이, 병원, 지역사회, 가정 간의 열악한 협력으로 인해 체계적인 단편화가 발생하여 치료 연속성이 훼손됩니다6. 웨어러블 기기, 원격 모니터링 플랫폼 등 스마트 간호 기술은 만성 질환 관리를 위한 데이터 기반 지원을 제공하지만 노인 인구 간의 구현은 여전히 제한적입니다. 주요 장벽에는 기술 솔루션과 환자 요구 사항 간의 불일치(예: 인터페이스 복잡성 또는 피드백 지연)가 포함되어 채택률이 30% 미만입니다7. 더욱이 기술 중심 접근 방식만으로는 부적절한 가족 지원과 단절된 지역사회 자원을 포함한 광범위한 체계적 문제를 극복할 수 없습니다8. 대부분의 기존 연구는 고립된 환경(예: 병원 또는 재택 간호) 또는 독립형 기술 모듈(예: AI 기반 조기 경보 시스템)에 초점을 맞추고 있습니다9,10. 결정적으로, 전체 "예방-개입-재활" 연속체를 포괄하는 포괄적인 다중 이해관계자 협력 간호 프레임워크는 아직 개발되지 않았습니다. 이러한 격차는 복합상병이 있는 노인 환자의 지속 가능한 건강 결과를 달성하는 데 큰 장애물을 나타냅니다.

이러한 결과를 바탕으로 본 연구는 "TDTIN(Tripartite Dual-Track Interactive Nursing)" 모델을 제안합니다. 이론적 수준에서 이 모델은 병원 전문 리더십, 지역사회 자원 연계 및 가족 역량 강화 지원을 통합하는 3차원 협력 프레임워크를 구축함으로써 전통적인 질병 중심 접근 방식에서 획기적인 발전을 나타냅니다. 명확하게 정의된 역할 분담과 책임 공유 메커니즘을 통해 진단, 치료, 관리 및 지원 전반에 걸쳐 원활한 조정을 보장합니다. 기술적 수준에서 이 연구는 혁신적인 "듀얼 트랙" 대화형 시스템을 도입합니다. 온라인 트랙은 원격 플랫폼을 사용하여 동적 생리학적 모니터링, 맞춤형 건강 교육 및 위험 조기 경보 기능을 통합하여 데이터 단편화와 관련된 문제를 효과적으로 해결합니다. 한편, 오프라인 트랙은 가족 간병인을 위한 표준화된 교육을 구현하고, 지역사회 간호사가 주도하는 "건강 서클" 지원 그룹을 설립하고, 병원-지역사회 양방향 의뢰 녹색 채널을 구축함으로써 간호 서비스의 접근성과 연속성을 향상시킵니다. 이 두 트랙은 시너지 효과를 발휘하여 실시간 데이터 공유와 다방향 피드백을 통해 폐쇄 루프 시스템을 형성함으로써 기존 간호 모델의 기술적 한계를 극복합니다. 마찬가지로 Cheluvappa R et al.11 의 연구에서도 노인의 건강 증진을 위한 다차원 간호의 중요성을 제안했습니다. 그리고 Schnipper의 연구는 또한 다양한 간호 개입이 퇴원 후 환자의 부작용을 줄일 수 있음을 확인했습니다12. 이 연구는 CHD 및 동반이환 "3가지 최고치"가 있는 노인 환자의 생리적 지표 제어 개선, 자기 관리 효능 향상, 병원 재입원율 감소에 대한 모델의 효능을 평가하는 것을 목표로 합니다. 이번 결과는 고령화 인구의 만성질환 관리 시스템을 재구성하기 위한 혁신적이고 실용적인 솔루션을 제공할 것으로 기대된다.

액세스가 제한되었습니다. 이 콘텐츠를 보려면 로그인하거나 체험판을 시작하세요.

프로토콜

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

본 연구는 임상시험 등록(No: ChiCTR2500104288)을 완료하고 병원 윤리위원회의 승인을 받았으며, 모든 참가자는 연구 기간 동안 그룹 할당을 알지 못했습니다.

연구 주제
2023년 8월부터 2025년 1월까지 병원에 입원한 '3고'를 동반한 CHD 환자를 연구 대상자로 선정하였다. 샘플 크기 계산은 GPower 3.1.9.7을 사용하여 수행되었습니다. 중간 효과 크기(Cohen's d=0.5), α=0.05 및 검정력(1-β)=0.80을 가정하면 총 표본 크기 164명의 참가자(n = 70/그룹)가 필요했습니다. 또한 탈락률 10%를 고려하여 최종 모집 대상은 182명이었다. 이 환자들은 난수표 방법을 통해 기존 치료를 받는 기존 그룹과 스마트 간호 기반 TDTIN 개입을 받는 관찰 그룹의 두 그룹으로 무작위로 배정되었으며, 각 그룹에는 81명의 환자가 있습니다(무작위화는 순차적으로 번호가 매겨진 불투명 봉투를 통해 할당 은폐가 있는 컴퓨터 생성 난수 시퀀스를 사용하여 구현되었습니다).

포함 및 제외 기준
포함 기준: (1) 지정된 만성 질환(고혈압, 당뇨병 또는 고지혈증) 중 적어도 하나를 동반한 관상동맥 조영술에 의한 CHD 진단이 확인됨; (2) 65세 ≥; (3) 완전한 임상 데이터의 가용성; (4) 서명된 정보에 입각한 동의서 제공. 제외 기준: (1) 인지 또는 신경학적 기능 장애의 존재; (2) 동시 감염성 또는 자가면역 질환; (3) 심각한 간 또는 신장 기능 장애; (4) 연구 완료에 연구자와 협력할 수 없게 되는 열악한 치료 순응도; 또는 (5) 정보가 누락되었거나 후속 조치를 취하지 못한 환자.

간호 개입
입원 후 환자는 입원 기간 동안 유지되고 퇴원 후 3개월 동안 지속되는 그룹별 간호 개입(기존 간호 및 스마트 간호 기반 TDTIN 모델)을 받았습니다(그림 1).

기존 간호:
이 그룹의 환자들은 입원 기간 동안 포괄적인 일상적인 간호를 받았습니다. 입원 기간 동안 간호 직원은 주치의가 제공한 처방전 및 복용량 지침에 따라 환자에게 상기시켜 시기적절한 약물 투여를 보장합니다. 또한 간호사는 환자와 그 가족 모두에게 CHD 재활, 필요한 예방 조치, 감독 및 지원에 대한 가족 참여의 중요한 역할에 대해 교육합니다. 간호팀은 또한 혈압, 심박수, 혈당 수치 등 환자의 기본 생리적 매개변수를 면밀히 모니터링합니다. 판독값이 비정상적인 경우 즉시 주치의에게 알리고 적절한 개입을 시행하는 데 도움을 줍니다. 또한 환자의 일일 식이 섭취를 감독하고 환자와 그 가족에게 심리적 지원을 제공합니다. 퇴원 전 환자와 그 가족은 퇴원 후 관리에 대한 자세한 지도를 받습니다. 환자는 또한 회복 진행 상황을 평가하기 위해 퇴원 후 3개월 후에 후속 검사를 위해 다시 방문하도록 지시받습니다.

스마트 간호 기반 TDTIN 모델:
삼자 협업 메커니즘: 이 모델은 포괄적인 치료를 제공하기 위해 세 가지 협력 기관을 통합합니다. (i) 병원 기관: 심혈관 전문의, 간호사, 영양사 및 심리학자를 포함한 다학제 팀이 급성기 진단 및 치료, 맞춤형 치료 계획, 약물 지도 및 고위험 환자 선별 검사를 담당합니다. (ii) 지역사회 실체: 간호사와 일반의는 일일 모니터링, 후속 조치 및 표적 건강 개입을 수행합니다. 그들은 정기적인 가정 방문과 체계적인 건강 교육 세션을 통해 환자 순응도를 강화합니다. (iii) 가족 주체: 가족 간병인 교육은 이론 교육(질병 지식, 모니터링 기술, 응급 치료 및 기타 내용을 다루는 심혈관 전문 간호사의 4주간 강의, 일주일에 한 번; 수업 후 위챗 미니프로그램을 통한 온라인 테스트) 및 시뮬레이션 교육(시나리오 시뮬레이션 교육은 병원 임상기술센터에서 진행되었으며, 협심증 발작 치료, 저혈당 교정 등 12가지 핵심 기술을 시뮬레이션 인력이 실습했습니다).

이중 트랙 대화형 경로: 치료 제공은 두 가지 통합 경로를 통해 운영됩니다: (i) 온라인 트랙: 스마트 간호 플랫폼은 동적 모니터링 및 실시간 데이터 공유를 용이하게 합니다(자료 표). 웨어러블 장치는 중요한 매개변수(예: 혈압, 혈당, 심박수)를 추적하고 비정상적인 값에 대한 자동 경고를 트리거하고(재료 표) 일일 투약에 대한 알림을 장치에 설정했습니다. 건강한 식단 추천표는 영양사가 만들고 WeChat 미니 프로그램을 통해 환자에게 푸시되었습니다. (ii) 오프라인 트랙: 병원-지역사회 양방향 의뢰 시스템은 급성 에피소드 동안 신속한 대응을 보장합니다. 지역사회가 주최하는 분기별 건강 관리 그룹 활동은 대면 지도를 통해 기술을 강화하는 반면, 가족은 병원이 주도하는 "3고의 복합상병 관리" 워크숍에 정기적으로 참여하여 장기적인 자가 관리 역량을 향상시킵니다. 노인 환자의 스마트 기기 사용 장벽을 해결하기 위해 다차원적인 기술 지원 네트워크를 구축했습니다. (1) 입원 첫날 병동 전문 간호사들이 "일대일" 장비 조작 교육(지침에 따른 웨어러블 밴드 착용 및 작동 소개)을 실시했으며, 시나리오 시뮬레이션 교육 방법을 사용하여 기기 착용, 데이터 업로드 및 비정상 경보 처리 과정을 시연했습니다. (2) 각 환자에게는 큰 글꼴 경고 표시와 원터치 통화 기능 지침이 강조된 지능형 장치 사용 설명서(그래픽 및 음성 버전 포함)가 장착되었습니다. (3) 3단계 "병원-지역사회-가족" 기술 지원 시스템을 구축하고, 지역사회 간호사가 매주 가계 후속 조치를 수행할 때 장비 유지 관리 및 운영 평가를 동시에 수행했으며, 병원 원격 지원 센터는 7시간 × 24시간 전화 안내를 제공했습니다.

핵심 개입 조치: (i) 지능형 모니터링 및 위험 관리: 환자는 스마트 손목 밴드와 가정 기반 혈압/혈당 모니터링 장치를 갖추고 있습니다. 이러한 장치는 실시간 데이터를 병원 및 지역사회 의료 플랫폼 모두에 전송하여 동적 심혈관 위험 평가를 가능하게 합니다. 환자의 혈당 및 혈압 모니터링을 기반으로 의료진이 맞춤형 개입 제안 및 약물 용량 조정 제안을 편집하고 WeChat 미니 프로그램을 통해 각 환자에게 푸시했습니다. (ii) 복약 순응도 관리: 약사는 WeChat 미니 프로그램을 통해 복약 기록을 적극적으로 모니터링했습니다. 환자가 약을 놓치거나 잘못 복용한 것으로 밝혀지면 의료진은 환자에게 직접 연락하거나 위챗을 통해 가족들에게 알렸다. (iii) 라이프스타일 관리: WeChat 미니 프로그램을 통해 환자에게 운동 계획(예: 매일 30분 걷기)을 푸시하고 Mi 밴드를 통해 실시간으로 운동 진행 상황을 모니터링하고 데이터를 WeChat 미니 프로그램에 피드백합니다. 또한 심리학자는 불안이나 우울증을 해결하기 위해 정기적인 온라인 상담 세션을 실시하고, 지역사회 간호사는 방문 중에 가정 내 정신 상태 평가를 수행하고 임상적으로 필요한 경우 전문가 의뢰를 용이하게 합니다.

폐쇄 루프 데이터 관리: 스마트 플랫폼은 다중 소스 건강 데이터를 통합하여 포괄적인 환자 기록을 유지하고 치료 계획을 동적으로 개선합니다. 매월 병원 임상의, 지역사회 의료 서비스 제공자 및 가족 간병인으로 구성된 학제 간 팀이 가상 사례 회의에 참여합니다. 이러한 회의는 개입 효능을 평가하고 일반적인 문제에 대한 개입 전략을 최적화하는 역할을 합니다.

관찰 지표
자기 관리 능력 평가: 간호 개입 전후에 환자의 자기 관리 능력을 평가하기 위해 ESCA(Exercise of Self-Care Agency Scale)13 을 시행했습니다. ESCA는 자기 개념, 자기 관리 책임, 자기 관리 기술 및 건강 지식의 네 가지 차원으로 구성됩니다. 이 척도의 점수가 높을수록 자기 관리 능력이 더 우수함을 나타냅니다.

삶의 질 평가: 환자의 삶의 질은 Barthel Index(BI)14 및 간이 정신 상태 검사(MMSE)15의 세 가지 표준화된 척도를 사용하여 평가되었습니다. BI는 이동성을 평가하고 MMSE는 인지 기능을 평가합니다.

심리 상태 평가: HAMA(Hamilton Anxiety Scale)와 HAMD(Hamilton Depression Scale)16 을 사용하여 환자의 심리적 웰빙을 측정했습니다. 이 척도의 점수가 높을수록 불안 또는 우울 증상이 더 심함을 나타냅니다.

가족 구성원 평가: 간병 기술( figure-protocol-1 1 = 전혀 숙달되지 않음, 2 = 숙달되지 않음, 3 = 기본적으로 숙달됨, 4 = 숙달됨, 5 = 완전히 숙달됨 figure-protocol-2 ). 지원 수준(평가: 1 = 전혀 지지하지 않음, 2 = 비지지, 3 = 기본적으로 지지, 4 = 지지, 5 = 완전히 지지).

치료 순응도 평가: 간호 개입이 끝나면 Morisky Medication AdherenceScale 17 을 사용하여 환자의 치료 순응도를 평가했습니다. 이 8개 항목 척도는 0에서 14 사이의 총점을 산출하며 분류는 다음과 같습니다: 14 = 완전 준수, 9-13 = 부분 준수, 0-8 = 비준수. 순응도는 전체 순응률과 부분 순응률의 합으로 계산되었습니다.

환자 만족도 평가: NSNS(Newcastle Satisfaction with Nursing Scale)18 은 환자 만족도를 평가하기 위해 개입 후 시행되었습니다. 총점은 95점이었고 76-95 = 매우 만족, 57-75 = 보통 만족, 38-56 = 불만족, 19-37 = 매우 불만족으로 해석되었습니다. 만족도 = 매우 만족률 + 보통 만족률.

통계 분석
모든 통계 분석은 SPSS 25.0을 사용하여 수행되었습니다. 범주형 변수는 숫자와 백분율로 표현하였고, 그룹 비교는 카이제곱(χ2) 검정을 사용하여 평가하였다. Shapiro-Wilk 테스트를 사용하여 데이터 분포를 확인했습니다. 정규 분포 연속 변수의 경우 데이터는 (figure-protocol-3 ± s)로 표시되었고, 그룹 간의 차이는 독립 표본 t-검정 또는 대응 t-검정을 사용하여 평가되었습니다. 비정규 분포 연속 변수는 중앙값(사분위수 범위, IQR)으로 요약하고 Mann-Whitney U 테스트 또는 Wilcoxon 순위 합계 테스트를 사용하여 비교를 수행했습니다. P < 0.05인 결과는 통계적으로 유의한 것으로 간주되었습니다.

액세스가 제한되었습니다. 이 콘텐츠를 보려면 로그인하거나 체험판을 시작하세요.

결과

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

일반 정보
먼저 두 그룹의 임상 기준선 데이터를 비교한 결과, 두 그룹 간에 임상 기준선 데이터에 차이가 없는 것으로 나타났습니다(P > 0.05)(표 1).

자기 관리 능력의 비교
ESCA 척도 소견 비교 결과, 두 그룹의 기준선 점수 간에 차이가 없었고(P > 0.05), 간호 후 재래군에서 자기 관리 책임 및 자기 관리 기술 점수는 변하지 않았으며(P > 0.05), 자기 개념 및 건강 지식 점수가 상승했습니다(P < 0.05), 반면 관찰군의 4차원 점수는 간호 전보다 높아져 기존 그룹보다 높았다(P < 0.05)(도 2).

삶의 질 비교
삶의 질 측면에서 두 그룹의 기준선 BI와 MMSE 점수 사이에 차이...

액세스가 제한되었습니다. 이 콘텐츠를 보려면 로그인하거나 체험판을 시작하세요.

토론

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

이 연구는 "3가지 고점"으로 합병증이 있는 CHD가 있는 노인 환자에서 스마트 간호 기반 TDTIN과 기존 간호의 효과를 평가했습니다. 그 결과 관찰군은 기존 치료를 받은 기존 그룹에 비해 자기 관리 능력, 삶의 질, 정서 조절, 가족 간병인 역량, 치료 순응도 및 간호 만족도에서 유의하게 더 큰 향상을 보인 것으로 나타났습니다. 이러한 강력한 발견은 이 복잡한 환자 집단을 관리하는 데 있어 TDTIN의 임상적 가치와 잠재적 우월성을 강조합니다.

이 연구의 핵심 혁신은 "병원-지역사회-가족" 자원의 통합과 이중 트랙 "온라인 + 오프라인" 접근 방식을 통한 동적 폐쇄 루프 관리 구현에 있습니다. 결과는 관찰군의 자기 관리 능력(ESCA 점수)이 크게 향상되었음을 보여주며, 이는 만성 질환이 있는 노인 환자를 위한 다학제적 협력 모델을 탐색한 Braam A et al.19의 연...

액세스가 제한되었습니다. 이 콘텐츠를 보려면 로그인하거나 체험판을 시작하세요.

공개 사항

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

저자는 이해 상충이 없다고 보고합니다.

재료

이 논문에 사용된 재료 목록
이름회사카탈로그 번호댓글
혈당 측정기 701물고기의 점프20162400064병원과 가정에서 모세혈관 전혈의 포도당 농도를 감지하는 데 사용됩니다.
혈압계 U701오므론20152070051스마트 압박 기술로 혈압을 모니터링했습니다.
지워하인리히-하이네-대학ä t Dü 셀도르프v.3.1.9.7G*Power는 표본 크기 계산, 통계적 검정력 분석 및 효과 크기 추정에 사용되었습니다. 
미 밴드시오아미https://www.mi.com/ae-en/product/xiaomi-smart-band-7/
스프스 25.0IBMhttps://www.ibm.com/products/spss-statistics통계 분석 소프트웨어
위챗텐센트https://weixin.qq.com/스마트 단말기에 인스턴트 메시징 서비스를 제공하는 무료 애플리케이션입니다.

참고문헌

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,
  1. Benenson, I., Waldron, F. A., Jadotte, Y. T., Dreker, M. P., Holly, C. Risk factors for hypertensive crisis in adult patients: a systematic review. JBI Evid Synth. 19 (6), 1292-1327 (2021).
  2. Arshad, M. M., et al. Impact of diabetes mellitus on coronary artery disease severity: a comparative analysis of diabetic and non-diabetic patients. Cureus. 17 (1), e77344(2025).
  3. Li, J., et al. The triglyceride-glucose index is associated with atherosclerosis in patients with symptomatic coronary artery disease, regardless of diabetes mellitus and hyperlipidaemia. Cardiovasc Diabetol. 22 (1), 224(2023).
  4. Hermel, M., et al. Highlights of cardiovascular disease prevention studies presented at the 2023 American Heart Association Scientific Sessions. Curr Atheroscler Rep. 26 (4), 119-131 (2024).
  5. Chen, G. C., et al. Microvascular disease, cardiovascular health, and risk of coronary heart disease in type 2 diabetes: a UK Biobank study. J Clin Endocrinol Metab. 109 (9), 2335-2342 (2024).
  6. Abudureyimu, M., et al. Heart failure with preserved ejection fraction (HFpEF) in type 2 diabetes mellitus: from pathophysiology to therapeutics. J Mol Cell Biol. 14 (5), mjac028(2022).
  7. Strauss, B. H., Sud, M., Arbel, Y., Elbaz-Greener, G. Using a novel smart-device application for follow-up after percutaneous coronary intervention. Can J Cardiol. 36 (8), 1322-1325 (2020).
  8. Nie, S., et al. Machine learning applications in acute coronary syndrome: diagnosis, outcomes and management. Adv Ther. 42 (2), 636-665 (2025).
  9. Molloy, A., et al. Challenges to the development of the next generation of self-reporting cardiovascular implantable medical devices. IEEE Rev Biomed Eng. 15, 260-272 (2022).
  10. Ganesananthan, S., Rajkumar, C. A., Foley, M., Francis, D., Al-Lamee, R. Remote digital smart device follow-up in prospective clinical trials: early insights from ORBITA-2, ORBITA-COSMIC, and ORBITA-STAR. Eur Heart J Suppl. 24 (Suppl H), H32-H42 (2022).
  11. Cheluvappa, R., Selvendran, S. Antipodean perspectives-aged care nursing and the multifaceted role of the aged care nurse. Nurs Rep. 12 (3), 629-636 (2022).
  12. Schnipper, J. L., et al. The effects of a multifaceted intervention to improve care transitions within an accountable care organization: results of a stepped-wedge cluster-randomized trial. J Hosp Med. 16 (1), 15-22 (2021).
  13. Zhang, B., et al. Association between self-care agency and depression and anxiety in patients with diabetic retinopathy. BMC Ophthalmol. 21 (1), 123(2021).
  14. Katano, S., et al. Barthel index score predicts mortality in elderly heart failure-a goal of comprehensive cardiac rehabilitation. Circ J. 86 (1), 70-78 (2021).
  15. Jannati, A., et al. Digital clock and recall is superior to the Mini-Mental State Examination for the detection of mild cognitive impairment and mild dementia. Alzheimers Res Ther. 16 (1), 2(2024).
  16. Tung, V. S., et al. Diagnostic value in screening severe depression of the Hamilton Depression Rating Scale, Hamilton Anxiety Rating Scale, Beck Depression Inventory Scale, and Zung's Self-Rating Anxiety Scale among patients with recurrent depression disorder. Acta Inform Med. 31 (4), 249-253 (2023).
  17. Huang, J., Ding, S., Xiong, S., Liu, Z. Medication adherence and associated factors in patients with type 2 diabetes: a structural equation model. Front Public Health. 9, 730845(2021).
  18. Karadas, A., Ergun, S., Kaynak, S. Relationship between missed nursing care and patients' trust in nurses and satisfaction with care: a cross-sectional study. Nurs Health Sci. 26 (3), e13149(2024).
  19. Braam, A., van Wijngaarden, J., Hilders, C., Buljac-Samardzic, M. Multidisciplinary collaboration in hospitals via patient- and process-oriented units: a longitudinal study. J Multidiscip Healthc. 17, 3213-3226 (2024).
  20. Liu, J., et al. The effect of continuing care on postoperative life quality and long-term functional recovery in elderly patients with hip fracture. Am J Transl Res. 13 (5), 5512-5518 (2021).
  21. Wang, R. H., Tannou, T., Bier, N., Couture, M., Aubry, R. Proactive and ongoing analysis and management of ethical concerns in the development, evaluation, and implementation of smart homes for older adults with frailty. JMIR Aging. 6, e41322(2023).
  22. de Siqueira Silva, I., et al. Digital home care interventions and quality of primary care for older adults: a scoping review. BMC Geriatr. 24 (1), 507(2024).
  23. Toles, M., et al. Connect-Home transitional care from skilled nursing facilities to home: a stepped wedge, cluster randomized trial. J Am Geriatr Soc. 71 (4), 1068-1080 (2023).
  24. Tegenaw, G. S., et al. A hybrid approach for designing dynamic and data-driven clinical pathways point of care instruments in low resource settings. Stud Health Technol Inform. 290, 316-320 (2022).

액세스가 제한되었습니다. 이 콘텐츠를 보려면 로그인하거나 체험판을 시작하세요.

재인쇄 및 허가

이 JoVE 논문의 텍스트 또는 그림 재사용 허가 요청

허가 요청

정오

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Formal Correction: Erratum: Smart Nursing-Based Tripartite Dual-Track Interactive Nursing in Elderly Patients with Coronary Heart Disease Complicated by the "Three Highs"
Posted by JoVE Editors on 10/28/2025. Citeable Link.

This corrects the article 10.3791/68948

태그

Self Care CapacityQuality Of LifeTreatment CompliancePsychological Well BeingFamily Support

관련 논문