基于智能护理的三元双轨互动护理在合并“三高”的老年冠心病患者中的应用

摘要

本研究发现，基于智能护理的三方双轨互动护理模式有助于改善患有糖尿病、高血压或高脂血症的老年冠心病患者的康复质量。

摘要

本研究旨在评估三元双轨互动护理（Tripartite Dual-Track Interactive Nursing, TDTIN）模型结合智能护理技术在合并高血压、高血糖和高血脂（统称为“"三高"）的老年冠心病（CHD）患者中的应用效果，并验证其对患者自我护理能力、生活质量及心理健康的改善作用。采用随机对照试验设计，将162例患有“"三高"”的老年冠心病患者均分为观察组（n = 81，接受基于智能护理的TDTIN干预）和常规组（n = 81，接受常规护理），两组均在出院后随访3个月。采用标准化评估工具进行评价，包括自我护理能力测定量表（ESCA）、日常生活活动能力Barthel指数（BI）、汉密尔顿焦虑（HAMA）和抑郁（HAMD）量表评估心理状态，以及自设量表评估依从性与满意度。与常规组相比，观察组在自我护理能力（ESCA）和生活质量（BI）方面改善更显著，HAMA和HAMD评分更低（P < 0.05）。观察组患者的治疗依从性和满意度评分也更高（P < 0.05）。此外，观察组照护者的照护技能和支持评分亦显著提升（P < 0.05）。基于智能护理的TDTIN模型可显著提升合并“"三高"”的老年冠心病患者的自我护理能力、生活质量、治疗依从性及心理状态，同时强化家庭-社区支持体系。

引言

全球老龄化进程的加快导致共病现象日益普遍，尤其是在老年人群中，冠心病（CHD）与代谢性疾病——高血压、高血糖和高脂血症（ collectively 称为“三高”）——常同时存在^1,2。流行病学数据显示，在中国，约35%的60岁及以上人群同时患有冠心病及至少一种上述代谢异常。值得注意的是，此类患者发生心血管事件的风险是单一疾病患者的2至3倍，五年内再入院率更高达40%^3,4。这类患者的临床管理面临诸多挑战，包括复杂的病理机制、多种药物间的相互作用以及有限的自我管理能力。这些因素共同导致症状控制不佳、治疗依从性差以及在不同医疗环境中护理连续性断裂⁵。因此，迫切需要开发并实施更加有效的整合型护理模式，以应对这些复杂的临床问题。

目前传统的护理模式主要侧重于住院期间的急性期管理或单一疾病的干预，未能解决“冠心病-三高”共病状态中固有的动态相互关系。此外，由于医院、社区和家庭之间协作不佳，导致系统性割裂，损害了护理的连续性⁶。尽管智能护理技术（如可穿戴设备和远程监测平台）为慢性病管理提供了数据驱动的支持，但在老年群体中的应用仍十分有限。主要障碍包括技术方案与患者需求之间的错配（例如界面复杂或反馈延迟），导致采用率低于30%⁷。此外，单纯以技术为中心的方法无法克服更广泛的系统性挑战，包括家庭支持不足和社区资源分散等问题⁸。大多数现有研究仅局限于单一场景（如医院或居家护理）或独立的技术模块（如基于人工智能的早期预警系统）^9,10。关键的是，一个覆盖“预防-干预-康复”全过程、涵盖多方利益相关者的综合性协作护理框架尚未建立。这一空白已成为实现老年多病共存患者可持续健康结局的主要障碍。

基于上述发现，本研究提出了“三位一体双轨互动护理（TDTIN）”模型。在理论层面，该模型通过构建整合医院专科主导、社区资源联动和家庭增能支持的三维协作框架，实现了对传统以疾病为中心模式的突破。通过明确的角色分工与共担责任机制，确保在诊疗、管理与支持各环节实现无缝衔接。在技术层面，本研究引入了一种创新的“双轨”互动系统：线上轨道利用远程平台整合动态生理监测、个性化健康教育和风险预警功能，有效解决了数据碎片化问题；线下轨道则通过实施家庭照护者标准化培训、建立由社区护士主导的“健康圈”支持小组，以及开通医院-社区双向转诊绿色通道，提升护理服务的可及性与连续性。两条轨道协同运行，借助实时数据共享与多向反馈机制形成闭环系统，从而克服了传统护理模式的技术局限。同样，Cheluvappa R 等人的研究¹¹也提出了多维护理对促进老年人健康的重要性。Schnipper 的研究也证实，多种护理干预措施可减少患者出院后的不良事件¹²。本研究旨在评估该模型在改善冠心病合并“三高”老年患者的生理指标控制、提升自我管理效能及降低再入院率方面的有效性。研究结果有望为老龄化人群中慢性病管理体系的重构提供一种创新且实用的解决方案。

方案

本研究已完成临床试验注册（注册号：ChiCTR2500104288），并已获得医院伦理委员会批准，所有受试者在整个研究期间均不了解其分组情况。

研究对象
选取2023年8月至2025年1月期间因冠心病合并“三高”入院的患者作为研究对象。采用GPower 3.1.9.7软件进行样本量计算，假定效应量为中等（Cohen's d=0.5），α=0.05，检验效能（1-β）=0.80，所需总样本量为164例（每组n=70）。此外，考虑10%的脱落率，最终确定招募目标为182例患者。通过随机数字表法将患者随机分为两组：对照组接受常规护理，观察组接受基于智能护理的TDTIN干预，每组各81例（采用计算机生成的随机数字序列进行随机分组，通过序号编码不透明信封实现分配隐藏）。

纳入与排除标准
纳入标准：（1）经冠状动脉造影确诊为冠心病（CHD），并伴有至少一种指定的慢性疾病（高血压、糖尿病或高脂血症）；（2）年龄 ≥ 65 岁；（3）具有完整的临床资料；（4）签署知情同意书。排除标准：（1）存在认知功能障碍或神经系统功能障碍；（2）合并感染性疾病或自身免疫性疾病；（3）严重肝肾功能不全；（4）治疗依从性差，导致无法配合研究人员完成研究；或（5）信息缺失或失访的患者。

护理干预
入院后，患者接受分组特定的护理干预（常规护理和基于智能护理的TDTIN模型），干预措施在住院期间持续实施，并在出院后继续维持3个月（图1）。

常规护理：
该组患者在住院期间接受全面的常规护理。住院期间，护理人员根据主治医师开具的处方和用药剂量说明，及时提醒患者服药，确保药物按时服用。此外，护士还向患者及其家属宣教冠心病康复知识、注意事项，以及家庭在监督与支持中的重要作用。护理团队还密切监测患者的基本生理指标，包括血压、心率和血糖水平；若发现异常，立即通知主治医师并协助实施相应的干预措施。同时，护理人员监督患者的日常饮食摄入，并为患者及其家属提供心理支持。出院前，患者及其家属将接受详细的出院后护理指导。此外，患者被要求在出院后3个月返院复诊，以评估康复进展情况。

基于智慧护理的TDTIN模型：
三方协作机制：该模型整合三个协作主体，提供全方位照护服务：（i）医院主体：由心血管专科医生、护士、营养师和心理医生组成的多学科团队，负责急性期的诊断与治疗、个性化护理计划制定、用药指导以及高危患者的筛查。（ii）社区主体：社区护士和全科医生负责日常监测、随访及针对性健康干预，通过定期上门访视和系统化健康教育课程，强化患者的依从性。（iii）家庭主体：家庭照护者培训采用“理论教学+模拟训练+考核认证”三阶段模式，包括理论培训（由心血管专科护士开展为期四周、每周一次的系列讲座，内容涵盖疾病知识、监测技能、急救处理等；课后通过微信小程序完成在线测试）和模拟训练（在医院临床技能中心开展情景模拟训练，利用模拟人练习心绞痛发作处理、低血糖纠正等12项核心技能）。

双轨交互通路： 护理服务通过两条整合的路径进行：（i）线上路径：智能护理平台实现动态监测和实时数据共享材料表）。可穿戴设备可监测生命体征参数（如血压、血糖、心率），并在数值异常时触发自动警报（材料表），并在设备中设置每日用药提醒。营养师制定健康饮食推荐表，并通过微信小程序推送给患者。（ii）线下路径：建立医院-社区双向转诊体系，确保在急性发作期间能够快速响应。社区每季度组织健康管理工作小组活动，通过面对面指导强化患者自我管理技能；同时，家属定期参加由医院主导的“三高共病管理”工作坊，以提升长期自我照护能力。为解决老年患者使用智能设备的技术障碍，建立了多维度技术支持网络。（1）患者入院首日，病房专科护士即开展“一对一”设备操作培训（依据说明书介绍可穿戴手环的佩戴与操作方法），并采用情景模拟教学法演示设备佩戴、数据上传及异常报警处理流程；（2）为每位患者配备《智能设备使用手册》（含图文版与语音版），重点突出大字体警示标识及一键呼叫功能说明；（3）建立三级“医院-社区-家庭”技术支持体系，社区护士在每周入户随访时同步开展设备维护与操作评估，医院远程支持中心提供7×24小时电话指导。

核心干预措施：（i）智能监测与风险管理：为患者配备智能手环及家用血压/血糖监测设备，这些设备将实时数据传输至医院和社区医疗平台，实现心血管风险的动态评估。医务人员根据对患者血糖和血压的监测结果，制定个性化的干预建议和药物剂量调整建议，并通过微信小程序推送给每位患者。（ii）用药依从性管理：药师通过微信小程序主动监测患者的用药记录，当发现患者漏服或误服药物时，医务人员将直接通过微信联系患者或通知其家属。（iii）生活方式管理：通过微信小程序向患者推送运动计划（例如每日步行30分钟），并利用小米手环实时监测运动进展，相关数据反馈至微信小程序。此外，心理医生定期开展线上心理咨询，以应对焦虑或抑郁问题；社区护士在上门访视时进行精神状态评估，并在临床需要时协助转诊至专科医生。

闭环数据管理：该智能平台整合多源健康数据，以维护全面的患者记录，并动态优化护理方案。每月定期举行由医院临床医生、社区医疗提供者及家庭照护者组成的多学科团队在线病例讨论会。这些会议旨在评估干预措施的有效性，并针对常见问题优化干预策略。

观察指标
自我护理能力评估：采用《自我护理能力量表》（Exercise of Self-Care Agency Scale, ESCA）¹³对患者在护理干预前后的自我护理能力进行评估。该量表包含四个维度：自我概念、自我护理责任感、自我护理技能和健康知识。量表得分越高，表示自我护理能力越强。

生活质量评估：采用三种标准化量表评估患者的生活质量：巴氏指数（Barthel Index, BI）¹⁴和简易精神状态检查量表（Mini-Mental State Examination, MMSE）¹⁵。BI用于评估患者的行动能力，MMSE用于评估认知功能。

心理状态评估：采用汉密尔顿焦虑量表（HAMA）和汉密尔顿抑郁量表（HAMD）¹⁶评估患者的心理健康状况。量表得分越高，表明焦虑或抑郁症状越严重。

家庭成员评估：采用5分制评分系统，从以下两个关键方面评估患者家庭成员的情况： 照护技能（评分标准：1 = 完全未掌握，2 = 未掌握，3 = 基本掌握，4 = 掌握，5 = 完全掌握）。 支持程度（评分标准：1 = 完全不支持，2 = 不支持，3 = 基本支持，4 = 支持，5 = 完全支持）。

治疗依从性评估：在护理干预结束时，采用本院自制的依从性量表对患者的治疗依从性进行评估。该量表参考尹S等人的研究，并由本院进行修改¹⁷。该量表共8个条目，总分范围为0至14分，分类标准如下：14分为完全依从，9–13分为部分依从，0–8分为不依从。依从率按完全依从率与部分依从率之和计算。

患者满意度评估：干预后采用纽卡斯尔护理满意度量表（Newcastle Satisfaction with Nursing Scale, NSNS）¹⁸评估患者满意度。总得分为95分，评分标准如下：76–95分 = 非常满意，57–75分 = 比较满意，38–56分 = 不满意，19–37分 = 非常不满意。满意度 = 非常满意率 + 比较满意率。

统计学分析
所有统计学分析均使用 SPSS 25.0 软件完成。分类变量以例数和百分比表示，组间比较采用卡方（χ²）检验。采用 Shapiro-Wilk 检验评估数据分布情况。对于正态分布的连续变量，数据以（ ± s）表示，组间差异采用独立样本 t 检验或配对 t 检验进行评估。非正态分布的连续变量以中位数（四分位间距，IQR）表示，组间比较采用 Mann-Whitney U 检验或 Wilcoxon 秩和检验。以 P < 0.05 为差异具有统计学意义。

结果

一般信息
首先，我们比较了两组的临床基线数据，结果显示两组之间的临床基线数据无显著差异（P > 0.05）（表1）。

自我护理技能的比较
ESCA量表调查结果的比较显示，两组在基线评分上无显著差异（P > 0.05）；常规组在护理干预后，自我护理责任感和自我护理技能评分未发生显著变化（P > 0.05），而自我概念和健康知识评分有所提升（P < 0.05）；相比之下，观察组在护理前后的四个维度评分均有所上升，且显著高于常规组（P < 0.05）（图2）。

生活质量比较
在生活质量方面，两组在基线时的BI和MMSE评分之间无显著差异（P > 0.05）；护理干预后，两组的MMSE评分均无明显变化，组间仍无显著差异（P > 0.05）；而BI评分有所升高，且观察组的提升程度...

讨论

本研究评估了基于智能护理的TDTIN与常规护理在合并“三高”的老年冠心病患者中的应用效果。结果显示，与接受常规护理的对照组相比，观察组在自我护理能力、生活质量、情绪调节、家庭照护者能力、治疗依从性及护理满意度方面的改善更为显著。这些有力的研究结果凸显了TDTIN在管理此类复杂患者群体中的临床价值及其潜在优势。

本研究的核心创新在于整合“医院-社区-家庭”资源，并通过“线上+线下”双轨模式实施动态闭环管理。结果显示，观察组患者的自我护理能力（ESCA评分）显著提升，这与Braam A等¹⁹的研究发现一致。后者在探索慢性病老年患者的多学科协作模式时指出，家庭参与与社区支持之间的深度协作可显著增强患者的自我管理能力。这些结果共同凸显了三方协作机制的有效性，该机制通过责任共担与资源互补，有效解决了传统护理实践中“院内与院外护理脱节”的问题。此外，智能护理技术的融入进一步放大了这些优势。因此，我们可观察到观察组在护理后生活质量的改善更为显著。与刘等人²⁰提出的过渡期护理模式不同，TDTIN强调医院...

材料

本文使用的材料清单

姓名	公司	目录编号	评论
血糖仪 701	Jump of fish	20162400064	用于医院和家庭中检测毛细血管全血的葡萄糖浓度。
血压计 U701	Omron	20152070051	采用智能加压技术监测血压。
GPower	Heinrich-Heine-Universität Düsseldorf	v.3.1.9.7	G*Power 用于样本量计算、统计功效分析和效应量估计。
米家手环	Xioami	https://www.mi.com/ae-en/product/xiaomi-smart-band-7/
SPSS 25.0	IBM	https://www.ibm.com/products/spss-statistics	统计分析软件
微信	Tencent	https://weixin.qq.com/	一款为智能终端提供即时通讯服务的免费应用程序。