中医辨证护理对急性心肌梗死患者胃肠道功能的改善作用

目的探讨给予急性心肌梗死患者中医辨证护理对其胃肠道功能的改善作用。方法选取2021年8月至2022年10月期间盐城市第一人民医院收治的96例急性心肌梗死患者为研究对象,按信封随机法分为对照组(48例,开展常规护理)和观察组(48例,开展中医辨证护理)。比较2组患者的便秘情况、临床疗效、胃肠道功能、不良事件发生率及不良情绪。结果干预7 d后,观察组患者的排便间隔、排便时间、大便性状和排便困难度评分,以及焦虑自评量表和抑郁自评量表评分均较对照组低,且2组均较干预前降低,差异均有统计学意义(P均<0.05)。干预7 d后,2组患者每分钟的肠鸣音次数均较干预前增加,腹胀时间均较干预前缩短(P均<0.05),且观察组的上述情况均较对照组更优(P均<0.05)。与对照组相比,观察组的治疗总有效率更高,不良事件总发生率更低(P均<0.05)。结论中医辨证护理能够显著改善急性心肌梗死患者的胃肠道功能,缓解其便秘情况和不良情绪,并降低不良事件发生率,临床疗效较好。

护理敏感指标监测模式下的前瞻性护理在老年急性心肌梗死患者中的应用

目的 探讨护理敏感指标(NSIM)监测模式下的前瞻性护理对老年急性心肌梗死(AMI)患者便秘的预防效果。方法 选择2021年7月至2022年12月盐城市第一人民医院接收的109例老年AMI患者为研究对象,并按入院时间的先后分成对照组(2021年8月至2022年3月入院)和观察组(2022年4~12月入院)。对照组的54例患者予以常规护理,观察组的55例患者开展NSIM监测模式下的前瞻性护理。比较2组的首次排便时间、便秘发生情况、肠动力学指标及排便期间不良事件的发生情况。结果 观察组入院后的首次排便时间整体早于对照组,便秘发生率和排便期间不良事件总发生率均低于对照组(P均<0.05)。入院第3天及第7天时,观察组的直肠顺应性和最大耐受容量均较入院时下降(P均<0.05),且均小于同期对照组(P均<0.05);对照组的上述2项肠动力学指标与入院时比较均无统计学差异(P均>0.05)。结论 对老年AMI患者实施NSIM监测模式下的前瞻性护理,可明显改善其肠动力学指标,有效促进排便,预防便秘的发生,且有助于降低排便期间不良事件的发生风险。

基于多注释器标注下的标签排序学习方法

现有的排序学习概念假设每个训练样本都与实例和可靠的标签相关联,但这种假设对保持标签的真实性并不适用。因此,当每个训练实例都被多个可能不可靠的注释器标注时,可以通过列表排序学习从多个注释器中获得的众包标签来进行排序学习功能。结合Mallows模型和Plackett-Luce(P-L)模型,提出一种新的概率排序模型。将注释器的辅助信息作为约束函数融合到参数估计中,并使用最大似然估计方法学习得到参数集。通过最大期望算法(EM)迭代更新参数集,得到最优注释器的专业知识程度的参数集和排名函数参数。实验结果显示,最大似然估计方法明显优于直接排序方法,辅助信息的加入有助于提高注释器的排名功能和专业知识程度。

基于排序学习的构件检索方法的研究

将排序学习的方法应用于构件检索的研究中,首先,采用刻面描述的方法对构件进行全面的描述,并通过word2vec模型和权重设定的方法对刻面描述的构件进行特征提取;然后,对构件特征进行潜在语义分析和余弦相似度计算,得到构件训练数据集;最后,通过使用构件训练数据集和构件数据集对经过改进的Plackett-Luce概率排序模型用最大似然估计方法训练模型参数,从而得到一种构件排序模型。将构件排序模型应用到构件检索中开发实现了一个构件检索方法,通过实验验证了此方法的有效性,其查全率、查准率和效率都优于传统的构件检索方法。

基于本体相似度与排序学习的构件检索方法研究

本文将排序学习的方法应用于构件检索的研究中。首先,采用领域本体对构件进行全面的描述,得到构件的特征描述本体集。然后,将构件特征描述本体集进行本体相似度计算得到构件与查询条件间的相对关系,并通过此相对关系对构件进行排序生成构件训练数据。最后,对构件训练数据和构件特征描述本体使用排序学习中的Plackett-Luce概率排序模型训练一种构件排序模型。测试时,当用户输入查询条件时,先对用户的查询进行语义修正,再根据构件排序模型进行检索,从而实现一种高效准确的构件检索方法。