基于智能“云隨訪”APP的延續護理對早產兒神經行為和生長發育的影響*

張媛媛，張竑，沈敏，王芬，鄭雅寧

（南京大學醫學院附屬鼓樓醫院，江蘇南京，210008）

由于生活壓力增大、環境因素、產婦高齡化等原因，導致早產兒不斷增多。早產兒因胎齡不足、發育不成熟等因素，引起神經后遺癥和一系列器官并發癥［1］。早產兒在醫院可得到醫護人員的專業照護，但出院后早產兒父母由于缺乏照護相關知識和照護技能，對早產兒神經行為和生長發育造成不良的影響［2］，因此，早產兒出院后的健康管理顯得更為重要［3-4］。延續性護理可為出院患者繼續提供醫療護理、康復促進、健康指導等服務，是一種由醫院向外延伸的有效的護理模式［5］。目前，國內常規的出院后由社區完成的4 次上門訪視尚不能滿足早產兒父母的多元化的健康服務需求［6-8］。云隨訪系統是結合互聯網+人工智能等信息技術，提供以健康宣教、健康監測、醫護患溝通、隨訪為核心的服務平臺，實現醫護患多端互動的一種新型隨訪模式［9］。李曉瑞等［10］利用智能“云隨訪”APP對乳母飲食及嬰兒喂養進行個性化指導，有效預防嬰兒濕疹及復發率。然而用智能 “云隨訪”APP對早產兒隨訪中的應用較少。本研究基于 “互聯網+”服務理念，圍繞以早產兒及其家庭為中心，運用云隨訪建立了基于移動終端的隨訪服務體系，為早產兒提供從院內生命初期到院外以家庭為中心的連續性的健康管理，經過實踐取得較好的效果，現將方法和結果報道如下。

1 資料與方法

1.1 一般資料

采用方便抽樣的方法，選取2018年5月—9月在本院出生并收治于本院新生兒科的早產兒141 例及其父母共141 名，按照電腦生成隨機數字法，單數納入對照組71 例早產兒和71 名早產兒父母，施以常規隨訪模式；雙數納入觀察組70 例早產兒和70 名早產兒父母，采用基于智能“云隨訪”APP 延續護理。早產兒納入標準：28w＜胎齡＜37w，體重＞1500g，Apgar 評分［11］≥8 分。早產兒排除標準：出生后出現嚴重并發癥（缺血缺氧性腦病、呼吸暫停及窒息等）；死亡；先天畸形和遺傳代謝性疾病（先天性甲狀腺功能低下癥、苯丙酮尿癥等）。早產兒父母納入標準：精神、語言交流正常；初中及以上學歷；能熟練使用智能手機。早產兒父母排除標準：早產兒出院后中斷隨訪或失訪。所有早產兒父母均知情同意并簽署知情同意書。本研究經醫院倫理委員會同意。基于本院既往隨訪數據，預實驗顯示，觀察組早產兒神經行為得分（35.66±3.20）分，對照組早產兒神經行為得分（33.20±2.20）分，兩組神經行為得分差值的標準差δ 為2.0 分，β值取0.10，取雙側檢驗水準為0.05，根據計算公式［12］，，考慮20%樣本丟失率，每組至少需要納入樣本量為37 例。

1.2 方法

1.2.1 對照組 入院后按照常規護理方法，責任護士進行體溫管理、喂養及營養支持、早產兒癥狀和體征的觀察及急救與安全防范等方面的健康宣教，強化早產兒護理要點并對家屬進行答疑解惑。在產婦產后當天、次日和出院前，利用微信公眾號及“317 護”更新推送健康宣教內容（早產兒護理、新生兒黃疸護理等）。出院前進行面對面的口頭宣教，現場多媒體播放早產兒居家護理視頻、發放圖文并茂的出院宣教手冊，內容包括①出院后早產兒合理喂養的重要性； ②早產兒體溫管理與監測的方法；③營養素的補充攝入；④早產兒癥狀和體征的觀察及急救與安全防范； ⑤出院后門診定期復查各項體格生長發育情況等。出院后1W、1 個月、3 個月進行電話回訪，了解和收集相關資料并記錄于“早產兒延續護理隨訪表”中，對出現的相關問題及時給予針對性的幫助與指導，同時提醒門診復診等相關事宜。干預至早產兒出院后6 個月。

1.2.2 觀察組 在對照組的基礎上，采用基于智能“云隨訪”APP 的延續護理模式。

1.2.2.1 建立云隨訪護理小組 組長1 名，組員3名，其中組長為護士長，負責小組具體工作的實施監督、質量控制和宣教資料的最終審核；1 名組員為新生兒專科護士，負責云隨訪護士端口系統的維護，包括具體宣教資料的匯總和上傳，患者端口資料的總結以及與醫生的溝通反饋； 另外2 名組員為護師及以上職稱、工作10年以上有較好的溝通能力的護士擔任，主要負責線上與早產兒家長的溝通交流及問題的及時反饋，門診復診及各項檢查的督促提醒以及居家護理等上門隨訪任務。

1.2.2.2 云隨訪管理平臺的主要功能 云隨訪”APP 軟件采用C＃ 語言開發，主要分為專科護士工作平臺和早產兒家長移動APP 平臺。

1.2.2.2.1 專科護士工作平臺 由云隨訪護理小組使用，平臺主要包括以下模塊，①早產兒建檔模塊:內容包括早產兒性別、出生體重、身長、頭圍、新生兒神經行為情況、門診預約復診情況、再入院情況、并發癥發生情況和早產兒家長照顧能力情況。②隨訪計劃模塊：依據早產兒管理指南［13］及程亞穎等［14］、余靜等［15］研究結果，結合本院早產兒隨訪情況及本院張竑等［16］研究成果，以增強出院隨訪宣教的針對性，建立可行性出院后隨訪模式，制定隨訪計劃。③早產兒健康管理模塊：小組成員隨訪管理及記錄、對早產兒異常情況處理及記錄、早產兒診療信息及檢驗檢查結果等。④健康教育模塊：新生兒專科護士在醫護端口根據每個早產兒個性化情況設定好隨訪時間（出院后1w、1 個月、3 個月），通過文字、圖片、視頻、鏈接等多元化的方式向早產兒家長手機APP 端推送早產兒出院后相關宣教指導資料，包括早期體智能訓練方案（行為能力、被動肌張力、主動肌張力、原始發射、一般反應）、合理喂養、營養素補充、輔食添加指導、被動操、撫觸操、常見疾病防治與護理、院外急救技巧及早期疾病識別知識等。⑤信息發布模塊：根據早產兒出生時一般情況、在院及出院前的臨床資料和出院后門診就診的反饋信息，向早產兒家長手機APP 端發布隨訪、就診等提醒信息。⑥知識庫管理模塊：根據早產兒具體情況向早產兒家長手機APP 端推送相關隨訪宣教內容、調查內容等。⑦統計模塊：隨訪工作量及質量監測指標統計及早產兒異常情況統計等。⑧健康反饋模塊：早產兒門急診、住院相關的診療記錄信息并發送給早產兒家長。

1.2.2.2.2 早產兒家長移動APP 平臺 早產兒家長通過關注微信公眾號入口連接到云平臺，平臺提供的服務主要有以下內容，①查閱醫療信息：通過云平臺查詢早產兒的每次診療信息、檢查結果、診療記錄信息。②記錄早產兒相關信息：通過云平臺記錄早產兒體格、營養等相關指標等信息。③健康教育課程：可接收到平臺推送的多媒體化健康教育課程，如合理喂養、早期體智能訓練方案、常見疾病防治與護理等內容。④接收復診提醒：可以接收到來自平臺發送的復診提醒通知，及時就診。

1.2.2.3 具體實施 （1）早產兒出院前由責任護士向家長介紹“互聯網+護理服務”云隨訪的意義和目的，指導家長通過掃描二維碼的方式加入云隨訪系統，同時完善個人信息，并詳細指導云隨訪APP 各項功能的具體使用方法。（2）云隨訪內容。①出院后健康指導：早產兒出院醫囑開出后，云隨訪系統自動智能化給早產兒家長發送出院健康指導的相關內容，家長通過手機端接收包括文字、圖片、視頻等類型的宣教資料。②信息查閱：早產兒在院信息包括出生時一般情況、各項檢查檢驗報告、醫囑用藥、門急診就診信息，系統集成到一個界面供醫護人員查看，而家長也可在云隨訪手機端查看到早產兒在門急診、住院相關的診療記錄信息。③隨訪溝通互動：通過互聯網實現健康教育，人工智能進行進一步線上答疑。④復診提醒：小組成員根據出生時一般情況、在院及出院前的臨床資料和出院后門診就診的反饋情況再設定相應的復診時間提醒，包括聽力篩查、眼底篩查、神經行為測定、體檢等，云隨訪系統自動智能化發送給早產兒家長相關內容。⑤隨訪評價：早產兒家長填寫隨訪記錄上傳云隨訪系統，早產兒體格、營養等相關指標數據由系統自動生成圖表。護士根據早產兒相關情況，通過云隨訪線上或電話回訪形式予以針對性的指導，必要時安排上門訪視。⑥并發癥處理：當早產兒相關指標出現異常時，通過云隨訪后臺推送消息至早產兒家長，提醒家長及時與護士聯系，同時護士端界面提示“異常”，護士及時與家長聯系，給與相應的指導意見和措施，或建議其攜早產兒及時返院就診。

1.3 評價指標

1.3.1 早產兒父母照護知識和照護技能 在參考相關文獻［17］的基礎上自行設計問卷對早產兒父母照護知識和照護技能情況進行調查，問卷內容包括早產兒日常護理知識及技能、早產兒喂養知識及技能、早產兒用藥知識和不良反應的處理、早產兒預防感染知識及早產兒常見的異常問題及處理知識等5 個方面，共22 題。每題根據早產兒父母的掌握程度分為掌握（4 分）、了解（3 分）、不確定（2 分）和不知道（1 分）。總分22～88 分，得分越高表示早產兒父母照護知識和照護技能越好。

1.3.2 早產兒神經行為 干預前（基線）和干預后采用新生兒神經行為量表［18］（neonatal behavioral neurological assessment，NBNA） 對兩組早產兒神經行為情況進行評定。該量表適用于足月兒和矯正胎齡40 周的早產兒（早產兒體格生長的評價應根據校正年齡，即以胎齡40w（預產期）為起點計算校正后的生理年齡，計算方法為：校正月齡=實際月齡-早產周數）。評分標準包括行為能力、被動肌張力、主動肌張力、原始發射、一般反應等5 部分共20 項。每項采用3 級評價，分別賦值0～2 分，總分40 分，得分越高表示神經行為越好。

1.3.3 早產兒體格發育 干預前（基線）和干預后由本院婦幼保健醫師統一測量早產兒的身長、體質量、頭圍的體格發育指標。

1.3.4 早產兒復診率及再入院率 了解兩組早產兒復診率、再入院率情況。復診率=（該組早產兒出院后至門診就診數/該組早產兒總數）*100%。再入院率=（該組早產兒出院后再次入院數/該組早產兒總數）*100%。

1.4 統計學方法

數據采用SPSS22.0 軟件進行統計學分析。計數資料以頻數和百分率表示，組間比較采用χ2檢驗；符合正態分布的計量資料以（±s）表示，組間比較采用t 檢驗，當兩組得分比較差異有統計學意義時給出兩組差值及其95%置信區間。以P＜0.05為差異有統計學意義。

2 結果

2.1 兩組早產兒及其父母一般資料比較

兩組早產兒一般資料及神經行為總分比較見表1。從表1可見，兩組新生兒一般資料及神經行為總分比較，差異無統計學意義（均P＞0.05），具有可比性。70 例觀察組早產兒父母中，父親13 名，年齡25～42 歲，平均（33.00±5.42）歲，文化程度大專以上10 名，初中或高中3 名；母親57 名，年齡22～42 歲，平均（30.51±4.80）歲，文化程度大專以上46名，初中或高中11 名。71 例對照組早產兒父母中，父親15 名，年齡22～41 歲，平均（29.63±4.94）歲，文化程度大專以上10 名，初中或高中5 名；母親56名，年齡22～42 歲，平均（30.88±4.42）歲，文化程度大專以上42 名，初中或高中14 名。兩組早產兒父母一般資料比較，差異無統計學意義（均P＞0.05）。

表1 兩組早產兒一般資料及神經行為總分比較 （n/%；±S）

表1 兩組早產兒一般資料及神經行為總分比較 （n/%；±S）

性別n 組別 胎齡(周) 出生體重（g） 身長（cm） 頭圍（cm）男女觀察組對照組χ2/t P 70 71 38（54.29）40（56.34）32（45.71）31（43.66）0.006 0.940 33.78±1.69 33.56±1.78 1.260 0.210 2180.00±418.00 2167.00±421.00 1.670 0.097 43.40±1.69 43.20±1.31 1.721 0.088 31.69±1.63 32.18±1.21 1.480 0.141神經行為總分（分）33.26±3.11 33.10±2.64-0.327 0.744

2.2 干預前后兩組早產兒父母照護知識和技能得分比較

干預前后兩組早產兒父母照護知識和技能得分比較見表2。從表2可見，干預后觀察組早產兒父母的照護知識和技能得分高于對照組（P<0.05）。

2.3 干預后兩組早產兒神經行為得分比較

干預后兩組早產兒神經行為得分比較見表3。干預后觀察組早產兒神經行為得分高于對照組得分，兩組比較，差異有統計學意義（P＜0.05）。

表2 干預前后兩組早產兒父母照護知識和照護技能得分比較 （分，±S）

表2 干預前后兩組早產兒父母照護知識和照護技能得分比較 （分，±S）

組別照護知識和技能n觀察組對照組70 71 t P干預前50.19±15.06 52.58±15.49-1.218 0.191干預后64.57±10.63 58.48±14.39 2.862 0.005

表3 干預后兩組早產兒神經行為得分比較 （分，±S）

表3 干預后兩組早產兒神經行為得分比較 （分，±S）

組別觀察組對照組n 70 71 t P Xd 95%CI行為能力11.56±1.90 10.34±1.50 4.312＜0.001 1.219(1.151,1.290)被動肌張力6.12±1.32 5.78±0.98 3.432 0.001 0.341(0.292,0.401)主動肌張力7.78±0.43 7.31±0.76 3.642＜0.001 0.471(0.421,0.530)原始反射5.78±0.51 5.52±0.46 2.317 0.022 0.259(0.251,0.282)一般反應5.42±0.45 5.26±0.65 2.533 0.012 0.161(0.131,0.192)總分36.66±4.61 34.21±4.35 2.257 0.026 2.449(2.410,2.493)

2.4 干預后兩組早產兒生長發育情況比較

干預后兩組早產兒生長發育情況比較見表4。從表4可見，干預后兩組早產兒身長、體重、頭圍值比較，差異有統計學意義（均P＜0.05）。

表4 干預后兩組早產兒生長發育情況 （±S）

表4 干預后兩組早產兒生長發育情況 （±S）

組別觀察組對照組n 70 71 t P Xd 95%CI身長（cm）61.48±2.91 60.25±2.51 2.687＜0.001 1.229(0.325,2.134)體重（g）6.53±0.41 6.28±0.44 3.618 0.001 0.257(0.116,0.397)頭圍（cm）38.71±1.42 37.37±1.05 6.356＜0.001 1.338(0.922,1.754)

2.5 兩組早產兒門診預約復診率及再入院率比較

兩組早產兒門診預約復診率及再入院率比較見表5。從表5可見，兩組早產兒門診預約復診率及再入院率比較，差異有統計學意義（均P＜0.05）。

表5 兩組早產兒門診預約復診率及再入院率比較 n（%）

3 討論

3.1 基于智能“云隨訪”APP 的延續護理可提高早產兒父母照護知識和照護技能

本研究結果顯示，觀察組早產兒父母的照護知識和技能得分高于對照組（P<0.05）。結果說明，基于智能“云隨訪”APP 的延續護理可提高早產兒父母照護知識和照護技能。對照組的早產兒父母在早產兒住院期間接受的包括基本照護知識及技能的各項培訓，多屬于被動接受，主動性欠缺，對于早產兒出院后在生長發育中遇到的各種問題，可進行溝通反饋的途徑也僅限于電話和門診隨診等。觀察組的早產兒父母在早產兒出院后可通過“互聯網+護理服務” 的云隨訪智能端來接收相關健康宣教，可實現隨訪的溝通互動，早產兒父母在照顧早產兒過程中遇到問題也可及時咨詢，并與醫院護理人員進行一對一交流，實現個性化護理，使主動護理或被動護理轉換為互動式護理模式，也進一步鞏固和強化其對早產兒的照護知識和技巧的掌握。“互聯網＋護理服務”的智能云隨訪系統彌補了傳統電話隨訪信息獲取不全的缺陷，也克服了家庭隨訪對時間和空間距離成本要求高的弊端，為延續護理提供了較好的途徑，提高了早產兒的參與度，滿足了早產兒對照護早產兒知識的需求，提高早產兒父母照護知識和照護技能。

3.2 基于智能“云隨訪”APP 的延續護理可促進早產兒神經行為發育和生長發育

國內外早產兒 管理指南［13，19］中均提出，早產兒生后前2年必須隨訪，隨訪的重點是神經系統發育及生長評估。本結果顯示，觀察組早產兒行為能力、被動肌張力、主動肌張力、原始反射及神經行為總分均高于對照組（P＜0.05）。體重、身長、頭圍是反映和評價兒童體格發育和營養狀況易獲得的可靠指標。本文通過對早產兒的體重、身長、頭圍的隨訪和監測來了解早產兒體格發育情況，結果顯示，觀察組早產兒體重、身長、頭圍均高于對照組（P＜0.05）。結果表明，“基于智能“云隨訪”APP 的延續護理可促進早產兒的神經行為發育和生長發育。早產兒出院后家長的依從性相比院內時會降低，獨立進行早產兒日常護理時，伴隨著疑問的增多會更增加其照護的不自信。一項調查結果顯示［21］，75.2%的患者愿意通過網絡獲取健康信息。相比傳統的電話隨訪，“基于智能“云隨訪”APP 的延續護理較符合大眾的健康理念，它突破時間的局限，拉近護患距離，患者愿意體驗互聯網帶來的便利以及享受由此帶來的智能服務。本研究應用人工智能、微信自動化隨訪和人工主動干預的模式，通過互聯網線上引入課件，定期定時發送，推送包括早產兒營養支持、皮膚護理、早期體智能訓練方案（撫觸操、視覺聽覺刺激等）針對生長發育和神經行為發育方面的宣教內容； 早產兒家長通過手機移動終端隨時隨地的反復查閱、學習及鞏固針對早產兒生長發育和神經行為發育方面的內容，遇到疑問時通過線上求助，可得到醫護專業團隊的專業咨詢指導，使其掌握正確的早產兒喂養知識與技巧、規范及強化早期的運動功能訓練等，從而促進早產兒神經行為發育和生長發育。

3.3 基于智能“云隨訪”APP 的延續護理可降低早產兒再入院率

本研究結果顯示，觀察組早產兒的再入院率低于對照組（P＜0.05）。結果說明，“基于智能“云隨訪”APP 的延續護理可降低早產兒再入院率。早產兒家長通過移動APP 平臺上傳各項數據，及時的在線溝通，便于醫護人員了解早產兒的生長發育狀況及發現神經發育的異常，及時采取必要的干預措施，從而降低并發癥的發生。早產兒家長通過學習該平臺推送的課程，提升對早產兒便秘、腹瀉、皮膚感染的處理能力，提高其護理自信心，從而預防并發癥的發生。這種雙向的信息共享，動態監測、早期干預，有效地促進了護患互動，不斷地督促早產兒家長進行必要的返院檢查治療，提高早產兒復診率。由于本研究時間僅觀察至早產兒出院后6 個月，隨著月齡的增加，失訪率會不斷增加，隨訪率會明顯下降［14］。所以在開展早產兒隨訪工作中，提高家長對隨訪的關注度尤為重要。

4 結論

本研究結果表明，基于智能“云隨訪”APP 的延續護理可提高早產兒父母照護知識和照護技能，可促進早產兒神經行為發育和生長發育，降低早產兒再入院率。