目的调试并观察外周静脉输液技术在模拟空运后送环境中的应用效果。方法针对空运后送环境,对静脉输液技术中的穿刺时机、穿刺体位、拔针时机、固定方法、封管时机进行适应性调试,采用便利抽样法,从解放军总医院卫勤护理骨干队伍中选取1...目的调试并观察外周静脉输液技术在模拟空运后送环境中的应用效果。方法针对空运后送环境,对静脉输液技术中的穿刺时机、穿刺体位、拔针时机、固定方法、封管时机进行适应性调试,采用便利抽样法,从解放军总医院卫勤护理骨干队伍中选取10名参试者,利用摇摆平台模拟空运环境评价技术应用效果,比较参试者在分别使用调试前外周静脉输液技术与调试后外周静脉输液技术进行输液操作时的一次穿刺成功率、操作得分与用时、操作难易程度及舒适性。本研究采用交叉对照研究设计,每名参试者均参与两种干预,中间间隔2周清洗期。结果在摇摆平台条件下,调试前较调试后操作用时显著缩短(281.3 s vs.227.6 s,P<0.05),操作得分显著增加(68.5分vs.92.7分,P<0.05),两种方案的一次穿刺成功率、操作难易程度、舒适性比较差异无统计学意义(P>0.05)。结论调试后的外周静脉输液操作方案可有效提高伤员空运后送过程中静脉输液效率,保证伤员静脉治疗安全。展开更多
多视图聚类(Multi-View Clustering,MVC)旨在利用不同视图间的一致性和互补性来高效处理多视图数据,是大数据分析中重要的研究方向之一.然而,现有方法无法有效学习到多视图信息间的潜在联系,且缺乏考虑视图重要性差异问题.针对上述这些...多视图聚类(Multi-View Clustering,MVC)旨在利用不同视图间的一致性和互补性来高效处理多视图数据,是大数据分析中重要的研究方向之一.然而,现有方法无法有效学习到多视图信息间的潜在联系,且缺乏考虑视图重要性差异问题.针对上述这些问题,本文提出了一种基于分布对齐变分自编码器的深度多视图聚类方法(Deep Multi-View Clustering based on Distribution Aligned Variational Autoencoder,DMVCDA).首先,针对特定视图我们利用多个变分自编码器从不同视图中提取潜在特征,并对特征的分布进行对齐,以挖掘包含基本信息的潜在特征;然后,引入视图权重参数,获取共享的潜在特征;最后,在潜在特征上建立面向聚类的损失目标,使得学习到的潜在特征更适合聚类任务,从而提高聚类精度.在五个公共多视图数据集上的实验结果表明,我们的模型在精确度(ACC)、标准互信息(NMI)和纯度(Purity)等多个聚类评价指标上均表现出优异的性能.展开更多
文摘目的调试并观察外周静脉输液技术在模拟空运后送环境中的应用效果。方法针对空运后送环境,对静脉输液技术中的穿刺时机、穿刺体位、拔针时机、固定方法、封管时机进行适应性调试,采用便利抽样法,从解放军总医院卫勤护理骨干队伍中选取10名参试者,利用摇摆平台模拟空运环境评价技术应用效果,比较参试者在分别使用调试前外周静脉输液技术与调试后外周静脉输液技术进行输液操作时的一次穿刺成功率、操作得分与用时、操作难易程度及舒适性。本研究采用交叉对照研究设计,每名参试者均参与两种干预,中间间隔2周清洗期。结果在摇摆平台条件下,调试前较调试后操作用时显著缩短(281.3 s vs.227.6 s,P<0.05),操作得分显著增加(68.5分vs.92.7分,P<0.05),两种方案的一次穿刺成功率、操作难易程度、舒适性比较差异无统计学意义(P>0.05)。结论调试后的外周静脉输液操作方案可有效提高伤员空运后送过程中静脉输液效率,保证伤员静脉治疗安全。
文摘多视图聚类(Multi-View Clustering,MVC)旨在利用不同视图间的一致性和互补性来高效处理多视图数据,是大数据分析中重要的研究方向之一.然而,现有方法无法有效学习到多视图信息间的潜在联系,且缺乏考虑视图重要性差异问题.针对上述这些问题,本文提出了一种基于分布对齐变分自编码器的深度多视图聚类方法(Deep Multi-View Clustering based on Distribution Aligned Variational Autoencoder,DMVCDA).首先,针对特定视图我们利用多个变分自编码器从不同视图中提取潜在特征,并对特征的分布进行对齐,以挖掘包含基本信息的潜在特征;然后,引入视图权重参数,获取共享的潜在特征;最后,在潜在特征上建立面向聚类的损失目标,使得学习到的潜在特征更适合聚类任务,从而提高聚类精度.在五个公共多视图数据集上的实验结果表明,我们的模型在精确度(ACC)、标准互信息(NMI)和纯度(Purity)等多个聚类评价指标上均表现出优异的性能.