测试基于机器学习的术后老年患者疼痛评估方法

《CIN: Computers, Informatics, Nursing》：Testing Machine Learning-Based Pain Assessment for Postoperative Geriatric Patients

术后老年患者疼痛评估研究显示，基于机器学习的自动评估工具在68例手术患者中与患者自评及护士评估高度一致（分类准确率>90%），显著降低护士评估耗时约40%，且能提升疼痛评估的客观性和及时性。研究证实该工具可有效缓解临床护理压力，为老年围手术期疼痛管理提供创新解决方案。

　　

摘要

全球人口正在老龄化，随之而来的是老年人接受手术的数量也在增加。在老年患者中，由于术后疼痛评估较为困难，因此需要使用能够自动进行疼痛评估的技术工具，以减轻护士的工作负担并准确评估患者的疼痛程度。本研究提供了一种更可靠、更快速的工具，用于评估接受手术的老年患者的疼痛情况。该研究的目的是开发一种基于机器学习的术后老年患者疼痛评估应用程序。2022年10月至2024年6月期间，我们在一家医院的外科诊所对68名患者进行了方法学研究。数据收集采用了社会人口统计资料表、数字评分量表以及Wong-Baker FACES疼痛量表。随后应用了机器学习技术对数据进行处理。结果通过描述性统计进行分析，并以叙述、表格和图表的形式呈现。研究发现，护士对患者疼痛程度的评分普遍较低。在分类评估中，患者与机器学习模型在每项测量指标上的结果一致性较高。基于机器学习的疼痛评估应用程序是一种有效的术后疼痛评估方法，它有助于提升护理质量，并推动老年护理事业的发展。