【摘 要】
：
目的:探讨规范化霰粒肿术后门诊护理流程对患儿复发率的影响.方法:选取2019年7月—2020年7月我院收治的300例霰粒肿术后患儿作为调查对象,随机分为对照组和观察组,每组150例.
【机 构】
：
国家儿童医学中心 首都医科大学附属北京儿童医院 北京 100045
论文部分内容阅读
目的:探讨规范化霰粒肿术后门诊护理流程对患儿复发率的影响.方法:选取2019年7月—2020年7月我院收治的300例霰粒肿术后患儿作为调查对象,随机分为对照组和观察组,每组150例.对照组患儿给予常规护理,观察组患儿常规护理基础上行规范化的术后门诊护理.对比分析两种护理方式对患儿复发率的影响.结果:观察组患儿的复发率低于对照组患儿,并且观察组满意度高于对照组满意度,差异较为明显,P<0.05有统计学意义.结论:规范化霰粒肿术后门诊护理流程可有效降低患儿复发率,改善患儿生活质量.
其他文献
目的:以心脑血管疾病的老年患者作为研究对象,观察早期康复护理应用在老年心血管疾病中的效果.方法:在我院接受治疗的心血管疾病的所有患者中98例患者实施分组研究.按照患者
目的:观察康复训练治疗颈肩腰腿痛的作用.方法:2020年1月-2020年12月收治的260例颈肩腰腿痛患者为研究对象,随机分为治疗组和对照组,每组130例.对照组患者进行常规针灸治疗,
远探测方位反射声波成像测井仪(BAR)是新一代成像测井仪,其测井数据存储于内部大容量存储模块中;为了实现在测井现场快速读取和回放测井数据,设计了一种基于USB总线的数据读取接口;数据读取接口通过USB总线与PC通讯,通过自定义高速串行总线与下井仪数据存储模块通讯;高速串行总线为基于M-LVDS的差分总线,设计的工作频率为80 MHz,采用8B/10B编码;数据读取接口电路采用FPGA作为主控芯片,高速总线协议和传输控制均在FGPA中实现;所设计数据读取接口已实现8口井的现场测井数据读取,数据读取速度达到5
以卫星试验鉴定工作开展为实际应用需求,针对卫星装备试验鉴定数据多源、多样等特点,为保证试验鉴定数据质量,提出了一种二级数据质量评价技术,重塑试验鉴定数据质量评价流程,并通过初检-数据质量筛选评价对既定卫星装备数据完整性、准确性、一致性、冗余性、有效性和及时性等阈值性指标进行首轮质量评价及筛选;在此基础上,进一步围绕卫星装备试验鉴定数据实际特性构建数据质量评价指标体系,利用多因素模糊推理下的层次分析法完成数据质量复检;在完成技术研究的基础上,以实际某型号卫星试验鉴定任务数据为例进行分析,分析结果表明所提出的
基于区块链的跨域认证利用区块链代替传统的CA机构颁发区块链证书,借助区块链的去中心化和透明性,实现了信任的去中心化;针对现有基于区块链的跨域认证存在着跨域认证效率不高,没有完整的证书管理功能、区块链存储证书开销大的问题,提出了基于区块链和动态累加器的跨域认证方案,设计了区块链证书格式,描述了跨域认证协议,将区块链证书信息映射为累加值,提升了验证效率,通过在智能合约中构建动态累加器,实现证书的注册,撤销和查询功能;实验结果表明,该方案能够有效降低区块链证书存储成本,提升跨域认证效率。
为解决金属波纹管的高温振动特性测试难题,研制了一套低成本、温度连续可调的金属波纹管高温振动试验系统;该试验系统以弧形石英灯阵为辐射加热装置并采用LabVIEW对波纹管进行精确温度控制,通过电磁激振器对金属波纹管施加轴向和径向的外部激励,由动态加速度传感器获取振动响应信号,经数据采集器进行实时采集存储,获得波纹管振动响应;以DN108不锈钢波纹管为试验样件,测试其在不同温度的频响曲线,试验证明,该系统可稳定、可靠地获取波纹管高温振动特性。
目的:探讨研究在小儿肺炎的临床护理中采用优质护理干预的应用效能.方法:研究样本选取时间为2020年06月至2021年06月笔者所在医院接收的小儿肺炎,共计80例,分组方式为随机抽
目的:研究分析精细化护理干预在新生儿黄疸护理中的应用.方法:在2018年12月到2020年12月期间,收集我院72例新生儿病理性黄疸患者,随机研究组36例,参照组36例.研究组给予精细
目的:本文通过问卷调查初步了解PICU探视管理模式现状,为相关政策的制订提参考.方法:采用便利抽样,通过问卷星对西南地区13个地级市及1个直辖市的PICU做了问卷调查.结果:24所
针对现有心音分类算法普适性差、依赖于对基本心音的精确分割、分类模型结构单一等问题,提出采用大量未经过精确分割的心音二维特征图训练深度卷积神经网络(CNN)的方法;首先采用滑动窗口方法和梅尔频率系数对心音信号进行预处理,得到大量未经过精确分割的心音特征图;然后利用深度CNN模型对心音特征图进行训练和测试;根据卷积层间连接方式的不同,设计了3种深度CNN模型:基于单一连接的卷积神经网络、基于跳跃连接的卷积神经网络、基于密集连接的卷积神经网络;实验结果表明,基于密集连接的卷积神经网络比其他两种网络具备更大的潜力