基于臨床護理分類系統的PICC 相關性血栓預防護理知識庫的構建

范伊濛，劉巧艷，曹松梅，汪淑華，仲宇，王晶晶，夏卓然，李滕

（1.江蘇大學附屬醫院a.護理部；b.內分泌科；c.血液科，江蘇 鎮江 212000；2.江蘇護理職業學院，江蘇 淮安 223300；3.江蘇大學醫學院，江蘇 鎮江 212000）

PICC 相關性血栓（PICC-RVT）是一種由于各種原因導致導管內壁和管壁出現血栓， 是PICC 置管患者最常見且最嚴重的并發癥之一[1-3]。 據研究[4]，PICC-RVT 發生率高達5%~75%，其進一步發展會導致一系列嚴重后果[5-9]，甚至誘發肺栓塞，一旦脫落會危及患者生命[3，9]。 證據[5]建議為防止PICC-RVT 的形成，早期識別并采取有效的預防策略至關重要。但PICC-RVT 起病隱匿[6]，高危因素復雜，目前尚缺乏針對PICC-RVT 的風險評估工具， 醫護人員難以早期識別，預防措施也多依賴護士經驗，而非科學系統的證據，決策失誤將造成不可挽回的損失。臨床護理決策支持系統 （Clinical Nursing Decision Support Systems, CNDSS）能結合不同患者的個體化信息，為護士提供決策指導，改善和提高臨床決策效率[7]，一個典型的CNDSS 包含推理機、知識庫、人機接口3個部分，其中知識庫（knowledge base, KB）是整個系統的核心[8]。 本研究以臨床護理分類系統（Clinical Care Classification，CCC）為參考進行標準化編碼，基于前期構建完成的PICC-RVT 風險預測模型， 應用循證方法構建PICC-RVT 預防護理知識庫， 為臨床護士提供科學決策。

1 PICC 相關性血栓預防護理知識庫的構建

1.1 PICC 相關性血栓風險預測方法的確立 基于風險評估結果進行有效的科學精準的干預是PICCRVT 預防護理重要的一環，但證據總結[9]顯示引起血栓形成的危險因素眾多，血栓是相互作用的結果，普通工具難以精準評估， 課題組前期已經建立了基于機器學習的PICC 相關性血栓風險預測模型的構建[10]，得出個體因素、腫瘤因素、治療因素和導管因素4 個維度的評估指標，包含D2 聚體、導管尖端最佳位置和原發腫瘤部位等30 個重要因素。……