Artigo de investigação

Enfermagem interativa tripartite baseada em enfermagem inteligente em pacientes idosos com doença cardíaca coronária complicada pelos "três altos"

DOI:

10.3791/68948

⸱

26 de setembro de 2025

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

Neste artigo

Aviso de errata

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

Resumo

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

Este estudo descobriu que a enfermagem interativa tripartite baseada em enfermagem inteligente ajuda a melhorar a qualidade da reabilitação em pacientes idosos com doença cardíaca coronária com diabetes, hipertensão ou hiperlipidemia.

Resumo

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

O objetivo deste estudo foi avaliar a eficácia do modelo Tripartite Dual-Track Interactive Nursing (TDTIN), incorporando tecnologias inteligentes de enfermagem, em pacientes idosos com doença coronariana (CC) complicada por hipertensão, hiperglicemia e hiperlipidemia (coletivamente denominados "três altos") e verificar seus efeitos de melhora na capacidade de autocuidado, qualidade de vida e bem-estar psicológico dos pacientes. Um ensaio clínico randomizado foi conduzido com 162 pacientes idosos com DCC com os "três altos", alocados igualmente em um grupo de observação (n = 81, recebendo TDTIN inteligente baseado em enfermagem) e um grupo convencional (n = 81, recebendo cuidados convencionais). Ambos os grupos foram acompanhados por 3 meses após a alta. As avaliações padronizadas incluíram a escala Exercise of Self-Care Agency (ESCA) para capacidade de autocuidado, o Índice de Barthel (BI) para atividades da vida diária, as escalas de Ansiedade de Hamilton (HAMA) e Depressão (HAMD) para estado psicológico, a Escala de Adesão à Medicação de Morisky para adesão e uma pesquisa de satisfação. Em comparação com o grupo convencional, o grupo de observação demonstrou melhorias significativamente maiores na capacidade de autocuidado (ESCA) e na qualidade de vida (IB), juntamente com menores escores HAMA e HAMD (P < 0,05). O grupo de observação também exibiu maior adesão ao tratamento (Morisky) e índices de satisfação (P < 0,05). Além disso, os cuidadores do grupo de observação apresentaram habilidades aprimoradas de cuidado e escores de apoio (P < 0,05). O modelo TDTIN, alavancando a enfermagem inteligente, aumenta significativamente a capacidade de autocuidado, a qualidade de vida, a adesão ao tratamento e os resultados psicológicos em pacientes idosos com DCC com os "três altos", ao mesmo tempo em que fortalece os sistemas de apoio família-comunidade.

Introdução

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

O ritmo acelerado do envelhecimento global levou a uma prevalência crescente de comorbidades, particularmente a presença concomitante de doença coronariana (DCC) e distúrbios metabólicos - hipertensão, hiperglicemia e hiperlipidemia (coletivamente denominados "três altos") - entre populações idosas 1,2. Dados epidemiológicos revelam que, na China, aproximadamente 35% dos indivíduos com 60 anos ou mais sofrem de DCC em combinação com pelo menos uma dessas anormalidades metabólicas. Notavelmente, o risco de eventos cardiovasculares nesses pacientes é 2-3 vezes maior em comparação com aqueles com uma única condição, enquanto a taxa de readmissão em cinco anos aumenta para impressionantes 40%3,4. O manejo clínico desses pacientes está repleto de desafios significativos, incluindo mecanismos patológicos intrincados, interações multidrogas e capacidade limitada de autogerenciamento. Esses fatores contribuem coletivamente para o controle subótimo dos sintomas, baixa adesão ao tratamento e continuidade fragmentada do cuidado em todos os ambientes de saúde5. Consequentemente, há um imperativo urgente de desenvolver e implementar paradigmas de enfermagem integrados mais eficazes para abordar essas questões multifacetadas.

Os modelos tradicionais de enfermagem atuais enfatizam predominantemente o gerenciamento da fase aguda intra-hospitalar ou intervenções de uma única doença, falhando em abordar as inter-relações dinâmicas inerentes às comorbidades "CHD-três altas". Além disso, a fragmentação sistêmica surge devido à má colaboração entre hospitais, comunidades e domicílios, prejudicando a continuidade do cuidado6. Embora as tecnologias inteligentes de enfermagem, como dispositivos vestíveis e plataformas de monitoramento remoto, ofereçam suporte baseado em dados para o gerenciamento de doenças crônicas, sua implementação entre as populações idosas permanece limitada. As principais barreiras incluem um desalinhamento entre as soluções tecnológicas e as necessidades do paciente (por exemplo, complexidade da interface ou feedback atrasado), contribuindo para taxas de adoção abaixo de 30%7. Além disso, as abordagens centradas na tecnologia por si só não podem superar desafios sistêmicos mais amplos, incluindo apoio familiar inadequado e recursos comunitários desarticulados8. A maioria dos estudos existentes se concentra estritamente em ambientes isolados (por exemplo, hospitais ou atendimento domiciliar) ou módulos tecnológicos autônomos (por exemplo, sistemas de alerta precoce baseados em IA)9,10. Crucialmente, uma estrutura de enfermagem colaborativa abrangente e multissetorial que abranja todo o continuum "prevenção-intervenção-reabilitação" ainda não foi desenvolvida. Essa lacuna representa um grande obstáculo para alcançar resultados de saúde sustentáveis para pacientes idosos com multimorbidade.

Com base nesses achados, o estudo propõe o modelo "Tripartite Dual-Track Interactive Nursing (TDTIN)". No nível teórico, esse modelo representa um avanço em relação à abordagem tradicional centrada na doença, estabelecendo uma estrutura colaborativa tridimensional que integra liderança de especialidades hospitalares, vinculação de recursos comunitários e apoio ao empoderamento familiar. Por meio de divisões de funções claramente definidas e mecanismos de responsabilidade compartilhada, garante uma coordenação perfeita entre diagnóstico, tratamento, gerenciamento e suporte. No nível técnico, o estudo apresenta um sistema interativo inovador de "via dupla". A trilha online usa uma plataforma remota para integrar monitoramento fisiológico dinâmico, educação em saúde personalizada e funções de alerta precoce de risco, resolvendo efetivamente problemas relacionados à fragmentação de dados. Enquanto isso, a faixa off-line aumenta a acessibilidade e a continuidade dos serviços de enfermagem, implementando treinamento padronizado para cuidadores familiares, estabelecendo grupos de apoio de "círculo de saúde" liderados por enfermeiras comunitárias e criando um canal verde de referência bidirecional hospital-comunidade. Essas duas faixas operam em sinergia, formando um sistema de circuito fechado por meio do compartilhamento de dados em tempo real e feedback multidirecional, superando assim as limitações técnicas dos modelos tradicionais de enfermagem. Da mesma forma, o estudo de Cheluvappa R et al.11 também propôs a importância da enfermagem multidimensional para a promoção da saúde do idoso. E o estudo de Schnipper também confirmou que várias intervenções de enfermagem podem reduzir os eventos adversos dos pacientes após a alta12. Este estudo tem como objetivo avaliar a eficácia do modelo na melhoria do controle de indicadores fisiológicos, aumentando a eficácia do autogerenciamento e reduzindo as taxas de readmissão hospitalar entre pacientes idosos com CC e comorbidades comórbidas "três altas". Espera-se que os resultados ofereçam uma solução inovadora e prática para a reestruturação dos sistemas de gerenciamento de doenças crônicas em populações idosas.

Acesso restrito. Inicie sessão ou comece um teste para visualizar este conteúdo.

Protocolo

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

Este estudo completou o registro do ensaio clínico (No: ChiCTR2500104288) e foi aprovado pelo comitê de ética do hospital, e todos os participantes permaneceram inconscientes de sua alocação de grupo durante todo o período do estudo.

Sujeitos do estudo
Pacientes com DCC complicada pelos "três altos" que foram internados no hospital entre agosto de 2023 e janeiro de 2025 foram selecionados como participantes do estudo. O cálculo do tamanho da amostra foi realizado usando o GPower 3.1.9.7. Assumindo um tamanho de efeito médio (d de Cohen = 0,5), α = 0,05 e poder (1-β) = 0,80, foi necessário um tamanho amostral total de 164 participantes (n = 70 / grupo). Além disso, foi considerada uma taxa de abandono de 10%, de modo que a meta final de recrutamento era de 182 pacientes. Esses pacientes foram aleatoriamente designados para dois grupos por meio de um método de tabela de números aleatórios: um grupo convencional recebendo cuidados convencionais e um grupo de observação recebendo intervenções TDTIN inteligentes baseadas em enfermagem, com 81 pacientes em cada grupo (a randomização foi implementada usando uma sequência numérica aleatória gerada por computador com ocultação de alocação por meio de envelopes opacos numerados sequencialmente).

Critérios de inclusão e exclusão
Critérios de inclusão: (1) diagnóstico confirmado de CC por angiografia coronariana, acompanhada de pelo menos uma das condições crônicas especificadas (hipertensão, diabetes ou hiperlipidemia); (2) idade ≥ 65 anos; (3) disponibilidade de dados clínicos completos; e (4) fornecimento de consentimento informado assinado. Critérios de exclusão: (1) presença de disfunção cognitiva ou neurológica; (2) doenças infecciosas ou autoimunes concomitantes; (3) disfunção hepática ou renal grave; (4) baixa adesão ao tratamento, levando à incapacidade de cooperar com os pesquisadores na conclusão do estudo; ou (5) pacientes com informações ausentes ou que foram perdidos no acompanhamento.

Intervenções de enfermagem
Após a admissão, os pacientes receberam intervenções de enfermagem específicas do grupo (Cuidados de Enfermagem Convencionais e Modelo TDTIN Baseado em Enfermagem Inteligente) mantidas durante toda a internação e continuadas por 3 meses após a alta (Figura 1).

Cuidados de enfermagem convencionais:
Os pacientes desse grupo receberam cuidados de enfermagem de rotina abrangentes durante a internação. Durante a internação, a equipe de enfermagem garante a administração oportuna da medicação, lembrando os pacientes de acordo com as prescrições e instruções de dosagem fornecidas por seus médicos assistentes. Além disso, os enfermeiros educam os pacientes e suas famílias sobre a reabilitação de DCC, as precauções necessárias e o papel crítico do envolvimento da família na supervisão e apoio. A equipe de enfermagem também monitora de perto os parâmetros fisiológicos básicos dos pacientes, incluindo pressão arterial, frequência cardíaca e níveis de glicose no sangue. Em casos de leituras anormais, eles notificam imediatamente o médico assistente e auxiliam na implementação das intervenções apropriadas. Além disso, eles supervisionam a ingestão alimentar diária dos pacientes e oferecem apoio psicológico aos pacientes e suas famílias. Antes da alta, os pacientes e suas famílias recebem orientações detalhadas sobre os cuidados pós-alta. Os pacientes também são instruídos a retornar para um exame de acompanhamento 3 meses após a alta para avaliar o progresso da recuperação.

Modelo TDTIN inteligente baseado em enfermagem:
Mecanismo de colaboração tripartite: O modelo integra três entidades colaborativas para fornecer cuidados abrangentes: (i) Entidade Hospitalar: Uma equipe multidisciplinar - incluindo especialistas cardiovasculares, enfermeiros, nutricionistas e psicólogos - é responsável pelo diagnóstico e tratamento em fase aguda, planejamento de cuidados personalizados, orientação de medicamentos e triagem de pacientes de alto risco. (ii) Entidade Comunitária: Enfermeiros e clínicos gerais realizam monitoramento diário, acompanhamentos e intervenções de saúde direcionadas. Eles reforçam a adesão do paciente por meio de visitas domiciliares regulares e sessões estruturadas de educação em saúde. (iii) Entidade Familiar: O treinamento do cuidador familiar adotou um modo de três estágios de "ensino teórico + treinamento de simulação + avaliação de certificação", incluindo treinamento teórico (uma série de palestras de quatro semanas por enfermeiros especialistas em cardiovascular, abrangendo conhecimento de doenças, habilidades de monitoramento, tratamento de emergência e outros conteúdos, uma vez por semana; Após a aula, o teste online foi concluído por meio do miniprograma WeChat) e treinamento de simulação (o treinamento de simulação de cenário foi realizado no centro de habilidades clínicas do hospital, e 12 habilidades essenciais, como tratamento de ataque de angina pectoris e correção de hipoglicemia, foram praticadas por pessoas simuladas).

Caminhos interativos de via dupla: A prestação de cuidados opera por meio de dois caminhos integrados: (i) Trilha Online: Uma plataforma inteligente de enfermagem facilita o monitoramento dinâmico e o compartilhamento de dados em tempo real (Tabela de Materiais). Dispositivos vestíveis rastreiam parâmetros vitais (por exemplo, pressão arterial, glicose no sangue, frequência cardíaca), acionando alertas automáticos para valores anormais (Tabela de Materiais) e lembretes para medicação diária foram definidos no dispositivo. Uma tabela de recomendação de dieta saudável foi feita por nutricionistas e enviada aos pacientes por meio do miniprograma WeChat. (ii) Rastreamento offline: Um sistema de encaminhamento bidirecional hospital-comunidade garante uma resposta rápida durante episódios agudos. As atividades trimestrais do grupo de gestão de saúde organizadas pela comunidade reforçam as habilidades por meio de orientação presencial, enquanto as famílias participam regularmente de workshops de "Gerenciamento de Multimorbidade de Três Altos" liderados pelo hospital para aumentar a capacidade de autocuidado de longo prazo. Para resolver as barreiras de uso de dispositivos inteligentes em pacientes idosos, foi estabelecida uma rede de suporte técnico multidimensional. (1) No primeiro dia de admissão, os enfermeiros especialistas da enfermaria realizaram treinamento "individual" de operação do equipamento (introduzindo o uso e operação da pulseira vestível de acordo com as instruções), e o método de ensino de simulação de cenário foi usado para demonstrar o processo de uso do dispositivo, upload de dados e processamento anormal de alarme. (2) Cada paciente foi equipado com um Manual do Usuário do Dispositivo Inteligente (incluindo versão gráfica e de voz), que destacou sinais de alerta em fonte grande e instruções de função de chamada com um toque; (3) Estabelecimento de um sistema de suporte técnico "hospital-comunidade-família" de três níveis, enfermeiros comunitários realizaram de forma síncrona a manutenção do equipamento e a avaliação da operação ao realizar o acompanhamento domiciliar todas as semanas, e o centro de suporte remoto do hospital forneceu orientação telefônica 7 × 24 horas.

Principais medidas de intervenção: (i) Monitoramento Inteligente e Gerenciamento de Riscos: Os pacientes são equipados com pulseiras inteligentes e dispositivos de monitoramento domiciliar de pressão arterial/glicose no sangue. Esses dispositivos transmitem dados em tempo real para plataformas de saúde hospitalares e comunitárias, permitindo uma avaliação dinâmica do risco cardiovascular. Com base no monitoramento da glicose no sangue e da pressão arterial dos pacientes, sugestões de intervenção personalizadas e sugestões de ajuste de dose de medicamentos foram editadas pela equipe médica e enviadas a cada paciente por meio do miniprograma WeChat. (ii) Gerenciamento de adesão à medicação: Os farmacêuticos monitoraram ativamente os registros de medicamentos por meio de um miniprograma WeChat. Quando o paciente foi encontrado com a medicação perdida ou incorreta, a equipe médica entrou em contato diretamente com o paciente ou informou os familiares por meio do WeChat. (iii) Gerenciamento do estilo de vida: enviamos planos de exercícios (por exemplo, caminhada de 30 minutos diariamente) aos pacientes por meio do miniprograma WeChat e monitoramos o progresso do exercício em tempo real por meio da banda Mi, com os dados realimentados no miniprograma WeChat. Além disso, os psicólogos realizam sessões regulares de aconselhamento on-line para lidar com ansiedade ou depressão, enquanto os enfermeiros comunitários realizam avaliações do estado mental em casa durante as visitas e facilitam o encaminhamento de especialistas quando clinicamente indicado.

Gerenciamento de dados em circuito fechado: A plataforma inteligente integra dados de saúde de várias fontes para manter registros abrangentes de pacientes e refinar dinamicamente os planos de cuidados. Mensalmente, equipes interdisciplinares compostas por médicos hospitalares, profissionais de saúde comunitários e cuidadores familiares participam de conferências virtuais de casos. Essas reuniões servem para avaliar a eficácia da intervenção e otimizar as estratégias de intervenção para problemas comuns.

Indicadores de observação
Avaliação da capacidade de autocuidado: A Escala de Exercício de Agência de Autocuidado (ESCA)13 foi aplicada para avaliar a capacidade de autocuidado dos pacientes antes e após a intervenção de enfermagem. A ESCA consiste em quatro dimensões: autoconceito, responsabilidade de autocuidado, habilidades de autocuidado e conhecimento em saúde. Pontuações mais altas nessa escala indicam melhor capacidade de autocuidado.

Avaliação da qualidade de vida: A qualidade de vida dos pacientes foi avaliada por meio de três escalas padronizadas: o Índice de Barthel (IB)14 e o Mini-Exame do Estado Mental (MEEM)15. O BI avalia sua mobilidade e o MEEM avalia a função cognitiva.

Avaliação do estado psicológico: A Escala de Ansiedade de Hamilton (HAMA) e a Escala de Depressão de Hamilton (HAMD)16 foram utilizadas para medir o bem-estar psicológico dos pacientes. Pontuações mais altas nessas escalas indicam ansiedade mais grave ou sintomas depressivos.

Avaliação dos familiares: Um sistema de pontuação de 5 pontos foi empregado para avaliar o estado dos familiares dos pacientes em duas áreas principais: figure-protocol-1 Habilidades de cuidado (classificadas como: 1 = nada dominado, 2 = não dominado, 3 = basicamente dominado, 4 = dominado, 5 = completamente dominado). figure-protocol-2 Nível de suporte (classificado como: 1 = nada favorável, 2 = sem suporte, 3 = basicamente favorável, 4 = favorável, 5 = completamente favorável).

Avaliação da adesão ao tratamento: Ao final da intervenção de enfermagem, foi utilizada a Escala de Adesão à Medicação deMorisky17 para avaliar a adesão dos pacientes ao tratamento. Essa escala de 8 itens produz uma pontuação total que varia de 0 a 14, com classificações da seguinte forma: 14 = totalmente aderente, 9-13 = parcialmente aderente e 0-8 = não aderente. A taxa de adesão foi calculada como a soma da taxa de adesão total e da taxa de adesão parcial.

Avaliação da satisfação do paciente: A Escala de Satisfação com a Enfermagem de Newcastle (NSNS)18 foi aplicada pós-intervenção para avaliar a satisfação do paciente. O escore total foi 95, com a seguinte interpretação: 76-95 = muito satisfeito, 57-75 = moderadamente satisfeito, 38-56 = insatisfeito, 19-37 = muito insatisfeito. Taxa de satisfação = taxa de muito satisfeito + taxa de satisfação moderada.

Análise estatística
Todas as análises estatísticas foram realizadas no SPSS 25.0. As variáveis categóricas foram expressas em números e porcentagens, e as comparações entre os grupos foram avaliadas pelo teste do qui-quadrado (χ2). Utilizou-se o teste de Shapiro-Wilk para verificar a distribuição dos dados. Para variáveis contínuas com distribuição normal, os dados foram apresentados como (figure-protocol-3 ± s) e as diferenças entre os grupos foram avaliadas por meio de testes t para amostras independentes ou testes t pareados. As variáveis contínuas com distribuição não normal foram resumidas como mediana (intervalo interquartil, IIQ) e as comparações foram realizadas usando o teste U de Mann-Whitney ou o teste de soma de postos de Wilcoxon. Os resultados com P < 0,05 foram considerados estatisticamente significativos.

Acesso restrito. Inicie sessão ou comece um teste para visualizar este conteúdo.

Resultados

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

Informações gerais
Primeiro, comparamos os dados clínicos basais dos dois grupos, e os resultados mostraram que não houve diferenças nos dados clínicos basais entre os dois grupos (P > 0,05) (Tabela 1).

Comparação de habilidades de autocuidado
Os resultados da comparação dos achados da escala ESCA mostraram que não houve diferença entre os escores basais dos dois grupos (P > 0,05), os escores de responsabilidade de autocuidado e ha...

Acesso restrito. Inicie sessão ou comece um teste para visualizar este conteúdo.

Discussão

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

Este estudo avaliou a eficácia do TDTIN baseado em enfermagem inteligente versus enfermagem convencional em pacientes idosos com DCC complicada pelos "três altos". Os resultados demonstraram que o grupo de observação apresentou melhorias significativamente maiores na capacidade de autocuidado, qualidade de vida, regulação emocional, competência do cuidador familiar, adesão ao tratamento e satisfação de enfermagem em comparação com o grupo convencional que recebeu cuidados convencionais. ...

Acesso restrito. Inicie sessão ou comece um teste para visualizar este conteúdo.

Divulgações

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

Os autores relatam não haver conflito de interesses.

Materiais

Lista de materiais utilizados neste artigo
NomeEmpresaNúmero de catálogoComentários
Medidor de glicose 701Salto de peixe20162400064Usado para detectar a concentração de glicose no sangue total capilar no hospital e em casa.
Medidor de pressão arterial U701Omron20152070051A pressão arterial foi monitorada por tecnologia de compressão inteligente
GPowerHeinrich-Heine-Universitä t Dü Sseldorfv.3.1.9.7G*Power foi usado para cálculo do tamanho da amostra, análise de poder estatístico e estimativa do tamanho do efeito. 
Banda MiXioamihttps://www.mi.com/ae-en/product/xiaomi-smart-band-7/
SPSS 25.0IBMhttps://www.ibm.com/products/spss-statisticsSoftware de análise estatística
Nós conversamosTencenthttps://weixin.qq.com/Um aplicativo gratuito que fornece serviços de mensagens instantâneas para terminais inteligentes.

Referências

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

Acesso restrito. Inicie sessão ou comece um teste para visualizar este conteúdo.

Reimpressões e permissões

Solicitar permissão para reutilizar o texto ou as figuras deste artigo JoVE

Solicitar permissão

Errata

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

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

Etiquetas

Self Care CapacityQuality Of LifeTreatment CompliancePsychological Well BeingFamily Support

Artigos relacionados