护理它也是为了能够帮助提高人们的一个健康水平，系统地利用护士的一个潜在能力也都是和有关人员、设备、环境以及社会活动的一个重要的过程。本文就整理了关于护理论文范文，一起来看看吧。
第1篇：护理大数据的研究热点和趋势分析
魏良云，周军
摘要：通过检索大数据应用于护理领域的研究论文和科研项目，进而分析该领域的最新发展热点和动向。首先检索中国知网学术期刊网络出版总库和WebofscienceTM核心数据库中有关护理大数据的相关文献，然后搜索美国国家科学基金官网公共访问库(NSFPublicAccessRepository，NSF-PAR)中护理大数据相关研究项目。共检索出31篇中文研究论文、706篇英文研究论文和56项科研项目，采用CiteSpace工具进行文献计量学统计和分析，获取高频关键词统计、关键词共现网络分布以及研究热点的演化趋势，最终得出当前3个主流的研究热点，涵盖护理安全、护理管理和精准化医疗。
关键词：大数据；护理学；护理管理；精准医疗；护理安全
大数据时代的来临和盛行，加速了医疗卫生领域的信息化进程以及护理学的广泛应用[1]。大规模、多模态、多通道的数据可以为护理工作提供科学的决策支持，改善护理评估、护理干预和护理实践的质量[2-3]。2015年7月，美国卫生研究院(NIH)隶属的护理研究(NationalInstituteofNursingResearch，NINR)组织开展护理学大数据会议，力图促进和推动护理学大数据的进展[4]。2016年11月18日，我国卫生计生委提出的《全国护理事业发展规划(2016年—2020年)》明确表示，信息化技术的迅速发展为推动护理学领域创设了有利条件[5]。本研究通过分析大数据在护理领域中的研究热点应用，旨在为护理研究者、护理专职人员、护理决策管理者等提供研究参考和借鉴。
大数据又称海量数据，是基于计算机技术和互联网技术的高速发展而形成的。与传统的海量数据不同，大数据除了数据量增长速度快之外，还包括数据类型的加工、处理等方面，从而实现挖掘数据的巨大潜在价值[6]。大数据的高速发展让越来越多的人关注到其在护理领域中蕴含的价值，由此，护理大数据应运而生。护理大数据泛指与护理和生命健康相关的数据[7]，通过对所收集病人个体的数据进行挖掘、分析，不仅可以实现对病人个体的精准护理，还可以预测其疾病的发展趋势等[8]。因此，诸多学者普遍认为，护理需要大数据[1]，且在未来的应用研究中需将两者不断结合，以期为护理工作提供新方法、新思路。
1资料与方法
1.1研究资料以中国知网学术期刊网络出版总库和科学引文数据库(WebofScience，WOS)中《科学引文索引(扩展版)》(ScienceCitationIndexExpanded，SCI-EXPANDED)《社会科学引文索引》(SocialSciencesCitationIndex，SSCI)《艺术与人文科学引文索引》(Arts&HumanitiesCitationIndex，A&HCI)《科技会议录索引》(ConferenceProceedingsCitationIndex-Science，CPCI-S)《社会科学与人文会议论文引文索引》(ConferenceProceedingsCitationIndex-SocialScience&Humanities，CPCI-SSH)《新兴资源引用索引》(EmergingSourcesCitationIndex，ESCI)6个子库作为文献研究的数据来源。由于护理与大数据有多种表达，最终中国知网中检索式为主题=(“护理”并含“大数据”)，科学引文数据库中检索式为主题=(“nursingbigdata”OR“medicalcarebigdata”OR“nursingdatamining”)，选取时间为2013年1月1日—2017年12月31日，检索日期为2018年3月19日，共检索到31篇中文文献和706篇英文文献。此外，为了弥补文献数据滞后这一缺陷，本研究中还加入了美国国家科学基金官网公共访问库中的56条国际护理大数据研究项目信息。
1.2方法主要运用文献计量学的方法对“护理大数据”的研究热点趋势进行分析。文献计量学是一种通过数学、统计学的方法，对某一学科进行定量分析的一种方法。CiteSpace是用于文献计量学中的一款可视化分析软件，由美国德雷塞尔大学信息科学与技术学院的陈超美老师所在的团队研发，可以进行研究领域热点分析、热点演化分析等[9]。研究中使用CiteSpace软件对收集到的文献信息进行关键词的共现网络分析，可以获取该行业的研究热点及研究趋势。
2结果
2.1文献分布借助中国知网学术期刊网络出版总库、WebofScienceTM核心数据库和美国国家科学基金护理大数据项目科研信息，基于关键词匹配方法精确检索2013年—2017年中与护理大数据相关的文献，共检索出文献793篇，其中2013年88篇，2014年106篇，2015年153篇，2016年229篇，2017年217篇。
2.2高频关键词为了更加精确地、有效地分析大数据在护理领域发展的研究趋势，从所有关键词中选取出频次高于10次的30个高频关键词，并将中英文关键词统一按照中国医学科学院信息研究所出版的《医学主题词表(MeSH)》中译本进行翻译，结果见表1。
2.3高频词共现网络结果利用CiteSpace工具进行词项关联分析，将检索文献中的高频关键词、词汇共现关系进行可视化，形成高频词共现图谱，即大数据与护理研究热点网络见图1。
图1中的网络节点为大数据与护理研究文献中的高频关键词，词汇出现频次越大，则对应节点大小也越大，节点之间的边代表词汇共现关系，即两个关键词在同一篇文献中同时出现。观察图2可发现，除去护理领域的专业名词，如病人护理(patientcare)、病人恢复(patientoutcome)、临床实践(clinicalpractice)等节点规格较大以外，数据分析(dataanalysis)、数据挖掘(datamining)、数据源(datasource)与数据采集(datacollection)等名词节点也较大，表明大数据在护理中的研究较多以实证研究为主。关键词电子健康档案(electronichealthrecord)与病人恢复(patientoutcome)、数据挖掘(datamining)等词汇共现，表明当前护理大数据实证研究的数据大量采集于各医疗机构的病人电子健康记录系统，所研究的问题多从病人的角度出发。关键词病人安全(patientsafety)与护理人员(nursingstaff)、护理(nursingcare)、数据采集(datacollection)相互共现，表明大数据驱动下有关护理安全与护理人员管理成为研究热点。关键词养老院(nursinghome)的频次较高，且与数据挖掘(datamining)共现，表明老年群体的护理问题在大数据与护理相结合的领域正受到广泛关注。
2.4研究热点演化分析通过调查国内外文献发现，国内护理大数据相关研究起步较晚，相关文献篇幅较少，因此本研究重点对国外护理大数据进行研究热点分析。通过对护理大数据研究文献信息的处理和萃取，呈现相关研究的演化趋势图谱，见图2。考虑到每年提取的关键热点主题词较多，不利于观测者的判断和理解，选取了每年中最具显著特征的少数关键词，以此完成研究的热点演化分析。
图2中共有5个时间节点，从左至右分别表示2013年—2017年关于护理大数据研究的热点主题词，需要注意的是，每年呈现的热点主题词均为当年出现的全新词汇。通过观测上图发现，从2013年起，最为关注的主题词为护理(nursingcare)、电子健康档案(electronichealthrecord)、电子病例(electronicmedicalrecord)、病人安全(patientsafety)等，逐渐转化为大数据分析(bigdataanalytics)、护士领导人(nurseleaders)、预测模型(predictivemodel)等，最终演化为养老院(nursinghome)、大数据科学(bigdatascience)、电子数据库(electronicdatabase)等。由此可以得知，护理大数据的研究演化过程大概如下，从早期关注的护理电子健康基础信息，到中期关注的大数据分析的理念和方法，最后关注的护理电子信息数据库的建立，以致为收集全民护理数据提供了可能，从而为进一步实现个性化的精准护理提供数据服务。
2.5研究热点通过对高频主题词、研究演化的分析以及代表性文献的提取，共归纳护理大数据领域当前发展阶段的3大研究热点。
2.5.1医学大数据在护理安全方面开展的研究(涵盖序号3、5、9、16、19等主题词)护理安全主要表示利用以病人为中心的多方位医疗电子信息[10]，采用大数据的分析技术挖掘和识别影响护理意外发生的未知与隐藏的关联信息，及时监测具有一定风险性的护理医疗事件和高危病人，进而采取相应的对策防患于未然，包括不良事件的识别、健康监控和疾病预测等。Lipitz等[11]通过使用来自本地报告数据库的医疗记录和报告进行回顾性队列研究，从而识别有关癌症病人的不良事件，研究结果表明，他们发现了患有乳腺癌、结直肠癌和肺癌疾病病人的大量不良事件，并且，确定的风险因素可以帮助高危病人进行高质量的改善活动以减少伤害的发生。Bates[12]基于医疗保健系统中的病人电子记录，采用相关的定量研究方法对其实现临床分析，从而识别高危病人，这将有助于有效的护理手段和干预措施的展开。Steinberg等[13]应用一个名为REFS的专有大数据分析平台，将筛选的36944例病人作为研究数据集，旨在准确预测他们患有代谢综合征的风险和各种可能因素，研究结果表明，改善腰围和血糖能够降低代谢综合征的发病风险，此外，坚持处方药物，特别是坚持门诊医生的日常观测同样会降低患病的后续风险。
2.5.2医学大数据在护理管理方面开展的研究(涵盖序号1、2、6、8、13、22等主题词)护理管理主要表示协调、分配、组织护理过程中需要的各项人力物力资源以及护理人员的专业信息化教育指导，力图减少医疗成本，提高护理人员的信息化水准，从而改善病人恢复效果[14]，包括护理管理决策、护理质量评估、人力资源配置、护理教育培训等。并且，对于护理决策者而言，了解大数据的科学价值与方法显得至关重要。Westra等[15]研究指出，随着医疗保健逐渐向社区转移，移动医疗应用程序中增加了大量有用数据，通过将病人在医疗机构就诊形成的电子健康记录同医疗程序中的病人信息进行跨系统集成，并服务于护理方案的可行性预测，将为护士长提供决策支撑，进而有助于提升护理质量、降低医疗成本。Stifter等[16]从名为HANDS的自动护理大数据系统中采集病人个人信息与护理日志，通过数据挖掘的技术寻找病人预后同护理连续性之间的关系，为病人护理方案的制定提供参考。Zlotnik等[17]针对急诊科护理人员动态配置问题的研究中，采用机器学习方法，对专业护理医院中553000例病人的护理数据进行训练，最终生成动态的护理人员配置模型，研究结果表明，相比于静态护理人员配置而言，采用支持向量回归学习的模型将提高护理效率，并降低护理成本。
2.5.3医学大数据在精准医疗方面开展的研究(涵盖序号10、11、15、18、21、25等主题词)精准医疗是基于病人定义的医疗模式，与传统医学相比，精准医疗不仅能做到更精准、更快速，还可减少医疗资源的浪费以及无效和过度医疗[18]。已有的研究表明，病人的病情数据、生理数据、护理记录数据与疗效数据，在制定最高效的医疗与护理方案过程中起至关重要的作用[19]。采用数据驱动对上述数据进行精准分析与挖掘也是当前研究热点之一。Chawla等[20]研究以病人为中心，构建基于观测数据的病人个性化疾病风险档案、疾病管理方案与护理方案生成模型，同时提出基于大数据驱动的方式将病人大规模诊疗护理数据与该模型进行有机结合的个性化护理框架，该框架将有助于实现病人精准护理，减少再入院率。Anya等[21]研究认为，以人类为中心的智能化环境将推动人类生活质量的提高，对于老年群体而言，建立老年人个体行为与生活方式的数学模型将有助于实现个性化护理，针对老年人精准护理问题，作者提出挖掘老年群体护理偏好的计算模型，并基于云计算与大数据分析相关技术构建了老年群体个性化护理的智能环境感知概念框架。
3建议
3.1完善标准化的护理行业术语，发挥信息共享的优势标准是基石。由于护理行业的专业术语较多且存在不统一性，当不同医疗机构进行数据共享时，难免产生数据格式不标准、不一致等问题。因此，国内相关协会和组织应该积极推动和开展护理行业术语的修订和整合，保障不同医疗系统使用专业术语的标准化和一致性，实现护理信息的可持续性、可比较性以及可共享性[22]。
3.2建立数据驱动的护理健康监测平台，提高护理质量数据是核心。由于护理数据存储维度的单一性，难以实现数据驱动的精准护理管理决策。因此，基于大数据时代的护理信息化进程应当建立更为完善的护理健康监测系统，对病人护理记录实施实时、长期、连续的存储、更新与监测，并对其进行整合、汇总以及归纳，保障数据收集的准确性和全面性，确保规范化和科学化的临床护理反馈、干预和决策，从而保证护理质量和医疗体验的提高和优化[5]。
3.3呈现透明化和理解性的数据，加强护理可视化效果应用是关键。由于护理数据记录错综复杂，其中隐含的规律或者可能携带的疾病隐患，将难以被直接检测。因此，通过挖掘和解析护理大数据中潜在的有价值信息，创建可视化的数据图表和仪表盘，展现高理解度和清晰化的数据分析结果，有助于提高护理人员和护理决策者采取相关措施的工作效率，从而降低医疗成本，保障病人安全。
第2篇：护士循证护理综合能力影响因素分析
张鑫，李小寒（中国医科大学护理学院人文护理学教研室，沈阳110122）
摘要目的探讨护士循证护理综合能力水平及其影响因素。方法2018年6月至7月对沈阳市4所三甲医院800名护士采用自行设计的一般资料调查表和护士循证护理素质与实施水平量表进行调查。结果临床护士循证护理综合能力总分为（70.86±14.59）分，影响护士循证护理综合能力的主要因素依次是循证护理小组或循证护理专家对临床实践指导、循证护理知识培训、护理专业热爱程度以及沟通能力，可解释因变量的27.9%。结论护士循证护理综合能力处于中等合格水平。建议护理管理者加强循证护理培训力度，积极培养循证护理人才，激发护士的专业热情，从而提高护理团队循证水平。
关键词护士；循证护理综合能力；影响因素
循证护理（evidence-basednursing，EBN）是未来护理发展的核心［1］，它能够提高临床护理工作效率，同时使患者获得更好的健康结局［2］。国外研究［3-4］显示影响EBN临床效果的重要原因之一是临床护士的EBN综合能力。为了进一步加速EBN临床效果的发展，对护士团队的整体EBN综合能力水平及影响因素进行分析显得尤为重要［5-6］。本研究对沈阳市三甲医院护士EBN综合能力现状及其影响因素进行分析，旨在为医院培养高素质的EBN专业人才，制订科学的培训措施提供理论依据。
1材料与方法
1.1研究对象
采取多阶段分层抽样方法，于2018年6月至7月随机抽取沈阳市4个行政区，每个行政区内随机选取1所三甲医院，对4所三甲医院注册护士（共800名）进行调查。纳入标准：从事临床一线护理工作，科室为内科、外科、妇产科、儿科、急诊科、ICU；工作年限≥1年；知情同意并自愿参加。排除标准：因外出进修学习、病假、产假等原因无法填写问卷的护士。
1.2研究工具
1.2.1一般资料调查表：调查表由研究者根据相关研究［7］自行设计，内容包括年龄、性别、工作时间、职称等。
1.2.2护士EBN素质与实施水平量表：采用赵梅珍等［8］研制的护士EBN素质与实施水平量表。量表共35个条目，5个维度。维度包括知识（9个条目）、技能（5个条目）、态度（8个条目）、行为（8个条目）、实施信念（5个条目）。量表采用Likert3级评分法，得分35～105分。各维度评分越高，表示护士对EBN知识越了解，护士EBN技能越强，态度越赞成，实践行为越频繁，实施信念越坚定。量表的总分和各维度得分均可以转换成百分制，分为4个等级：很差，≤25分；稍差，＞25～50分；合格，＞50～75分；良好，＞75分［7］。量表总Cronbach’sα系数为0.921，各维度Cronbach’sα系数为0.85～0.90，具有较好的信效度以及临床实用价值［8］。
1.3资料收集
研究者在征得各医院领导同意后，向各科室护士集中讲述研究目的和意义。获得知情同意后发放问卷，并要求护士独立答题。答题结束后回收问卷并逐一检查，发现漏填项目当场及时补充。共发放问卷800份，回收768份；有效问卷711份，有效回收率为92.6%。
1.4统计学分析
通过spss22.0软件对数据进行处理。问卷中的计数资料用频数（%）表示，计量资料用pagenumber_ebook=60，pagenumber_book=54表示，单因素分析采用t检验或方差分析，多因素分析则采用多元逐步线性回归分析。P＜0.05为差异有统计学意义。
2结果
2.1不同人口学特征护士EBN综合能力得分比较
结果显示，按照编制、英语等级考试、发表论文或科研经历、EBN知识培训、EBN小组或者EBN专家对临床实践进行指导、专业热爱程度以及沟通能力分组，EBN综合能力评分差异具有统计学意义（均P＜0.05）。而按照年龄、工作时间、职称、第一学历、最高学历、科室、临床带教、计算机等级考试分组，其EBN综合能力评分差异无统计学意义（均P＞0.05）。见表1。
2.2护士EBN综合能力得分情况
护士EBN综合能力平均得分为（70.86±14.59）分，90.4%的护士EBN综合能力处于合格及以上水平。各维度得分中EBN态度和实施信念得分较高，均为良好；其他3个维度得分均为合格。见表2。
2.3护士EBN综合能力影响因素分析
以护士EBN素质与实施水平量表总分为因变量，以单因素分析结果中有统计学意义的变量为自变量（表3）进行多元线性逐步回归分析，最终EBN培训、EBN小组或者EBN专家对临床实践进行指导、护理专业热爱程度及沟通能力4个自变量进入回归方程，解释因变量的27.9%，F=40.167，P＜0.001，见表4。
3讨论
研究结果显示，护士EBN综合能力总分为（70.86±14.59）分，处于中等合格水平。其中90.4%护士具备一定的EBN综合能力；在各维度得分方面，EBN态度和实施信念处于良好水平，其余维度均处于合格水平［7］。本研究中58.5%护士听说过EBN，仅有32.5%护士接受过EBN知识培训，护士总体缺乏“meta分析具体含义”、“系统综述与传统综述区别”等专业知识的理解，与郑先琳等［7］的研究结果一致。本研究分析认为大部分临床护士可能对EBN的认识仅停留在表面阶段，缺乏EBN更深层次的理论知识。本研究中79.6%护士EBN技能处于中等及以上水平，说明大部分护士具有选择信息源、评估信息、利用信息，进而解决临床护理问题的能力［9］。本研究中95.1%护士EBN态度较积极，与以往研究［6，7］研究结果一致。分析认为大部分护士认识并认可了EBN的价值，有自觉学习EBN并将其应用于临床实践的积极性。本研究结果显示63.7%护士采取过EBN行为去解决临床护理问题，优于郑先琳等［7］的研究结果。研究［10］认为护士护理积极的态度是行为的始动剂，因此能够发现问题，寻找科学证据并应用于临床实际，形成一定的EBN行为［2］。本研究中91.4%护士实施信念较强，与曾铁英等［11］、郑先琳等［7］研究结果相近，说明大部分护士实施信念强而坚定，并确信可以在今后的临床护理实践中很好地去实施EBN［7］。
本研究表明，科室内若组建EBN小组或者有EBN专家对科室临床进行指导，可使护士置身于EBN氛围中，持续地接受来自科室的循证文化熏陶，不断地理解和认识EBN，进而更容易将所学知识应用到临床情境中去。因此，建议管理者可根据医院具体情况适当地增设EBN资源，积极引进EBN专业人才，培养EBN的学科带头人，逐步组建循证团队，进一步促进护士EBN综合能力的提升。
本研究发现，接受过EBN知识培训的护士EBN综合能力高于未接受过EBN相关知识培训的护士，与国内外研究［7，12］结论一致。美国学者研究表明对护士进行计算机技能、文献质量评价以及证据运用等内容培训能够有效促进护士提高EBN综合能力。可见，教育和培训可增加临床护士对EBN的理解和认同［6，13］，是提高护士EBN综合能力的有效措施［14］。因此，医院管理者应重视EBN的相关培训，为护士提供循证科研机会，进而提高整体EBN综合能力水平。
本研究显示，热爱护理工作的护士其EBN综合能力总体水平要高于其他护士。这与张青月等［15］对天津市临床带教护士的研究结论一致。分析其原因可能是，热爱护理岗位的护士职业认同感更高，学习愿望更强烈，进而对EBN的热情更高，更愿意接受EBN的学习与实践［7］，乐于尝试先进的方法去解决临床护理问题［15］。因此建议管理者应该建立恰当的奖励机制，从职称晋升、薪酬福利等方面调动护士的积极性，激发护士对护理工作的热情，鼓励护士积极投身于EBN中去。
本研究表明，沟通能力越好的临床护士EBN综合能力得分更高，与张青月等［15］研究结果相同。分析认为沟通能力好的护士更善于与患者进行交谈，能够及时发现临床护理中的问题，同时了解患者意愿，进而做出临床护理决策；另一方面，沟通能力好的护士乐于与工作伙伴分享护理经验和科学证据，进而促进自身的EBN知识不断提高。
综上所述，目前临床护士的EBN综合能力处于中等合格水平。EBN小组或EBN专家对临床实践指导、EBN知识培训、护理专业热爱程度以及沟通能力是影响护士EBN综合能力的主要因素。建议管理者应重视EBN的开展，加强EBN继续教育和培训力度，组建EBN专家核心团队，激发临床护士的专业热情，促进临床护士整体EBN综合能力的提高。