文摘

随着互联网信息计算的不断发展,医疗卫生系统的不断改进,医学大数据的不断增加,传统的手术室护理也需要进一步优化。医学大数据是医疗行业的论坛数据集医疗、电子病历信息,临床病例记录信息,医疗财务数据,远程病人监控数据,临床决策支持数据,医疗保险数据集,在线咨询平台,等等。胃肠道肿瘤目前最大的恶性肿瘤之一。与普通的病人相比,存在恐惧、抑郁、易怒、胃肠道肿瘤患者和其他不健康的情绪会降低治疗效果。不小心护理,使用化疗和其他疗法使患者容易受到各种副作用。本文旨在研究医学的使用大数据智能算法进行详细的照顾病人在胃肠道肿瘤手术和分析护理的效果。本文提出了一种改进的算法款;款算法是使用几个权重系数矩阵和偏差向量执行一系列的线性运算和激活操作的输入值向量,从输入层,一层一层地向后计算,直到操作到达输出层,输出结果。这个算法是用于研究理论,用数学公式计算和模型设计方法,并使用该模型进行详细的手术室护理的相关实验。实验的结果表明,患者进行详细的护理在治疗和康复的效果提高27.2%,比那些没有和详细的护理水平有一个明显的积极关系的速度转换条件。 In the end, the hospital’s detailed care quality evaluation index, which is QEI, increases by 1 point, which can increase the rate of condition conversion by 0.4.

1。介绍

1.1。背景和意义

近年来,互联网医疗已逐渐被越来越多的人接受并广泛使用。互联网医疗优化医疗程序和缓解医疗资源分布不均匀等问题和医疗信息不对称。如今,人们的亚健康状态越来越差,和慢性疾病和老年性疾病的发病率正在增加。传统医学使用医生诊断和治疗疾病。目前,医疗信息技术的快速发展,预防疾病比疾病更重要诊断和治疗。作为医院的重要组成部分,手术室是一个重要的疾病的治疗。手术治疗的有效性和安全性不仅取决于医生的手术技能还在护理工作的质量和水平。详细的护理在手术室的应用可以有效地减少麻醉药的影响和手术病人,减轻病人的心理压力,提高病人的手术的成功率,并提供一个保证手术后的恢复健康。详细的护理是一种新型的高级护理模式。它要求护士在手术室有熟练的专业品质和强大的心理素质,同时注意工作的细节,减少风险,并确保安全的病人在住院期间尽可能多。

胃肠癌是一种常见的恶性肿瘤。然而,由于疾病的特殊位置,许多患者不愿接受治疗。随着时间的推迟,肿瘤会变得越来越大,最终到达的地方是,它不能治疗。因此,胃肠肿瘤患者的护理是一种细致的治疗。达到更理想的治疗效果,治疗需要从各个方面进行诸如心理学、饮食、和日常生活,以提高病人的生活质量,更好地坚持治疗。医学大数据利用因特网进行在线医疗会诊的病人,了解病人的身体和精神状况,查询和在线交流,鼓励患者及时接受治疗,和更加智能和人性化。医学大数据建立了智能手术室,建立一个智能手术室,也就是说,需要建立一个数字化手术室,智能药物管理、智能耗材管理、手术室人员行为管理、智能物流机器人,智能终端硬件,等等。智能硬件终端包括智能物流管理系统、数字一体化手术室系统,智能药物管理系统,智能消耗品管理系统,和手术室人员行为管理系统。通过与医院联合开发,深入研究在心血管和肿瘤等不同类型的医院,我们不断地了解用户需求,为用户提供模块化的配置不同医院级别和类型的解决方案,从而实现用户管理需求的完美的解决方案,它可以实时监视病人的身体状况在操作。医学大数据分析为公众提供医疗服务,提高疾病预防的门槛,真正简化精密医学、医疗和公共卫生。

1.2。相关工作

一些学者进行了相关研究详细的胃肠道肿瘤手术患者的护理。胃肠道间质瘤(GIST)占0.1胃肠道恶性肿瘤的-3%。手术是治疗的主要方法,但在高危肿瘤,伊马替尼(酪氨酸激酶抑制剂是一种小分子蛋白激酶抑制剂,有阻塞的影响一个或多个蛋白激酶。它是临床上用于治疗慢性粒细胞性白血病和恶性胃肠道间质瘤)肿瘤有助于获得更好的结果。Navarrete等人介绍了一种罕见的病人胃要点。尽管伊马替尼的新辅助治疗,它经历了一个非常全面的进化在很短的时间内1]。恶性胃肠neuroectodermal肿瘤(GNET)是一种罕见的软组织肉瘤最近和一个独特的临床病理实体描述。到目前为止,只有少数病例报告文学,所以对行为和肿瘤的诊断。的胃肠道neuroectodermal肿瘤肝转移研究Keditsu等人可以有效地抑制肿瘤;肝脏转移性肿瘤的治疗往往是无效的。全身化疗可以暂时缩小质量和延长寿命,但高度依赖主站点,不能治愈这种疾病。一些医疗中心建议肝动脉导管在选定的情况下,它有一个显著的影响在大多数肝病的治疗2]。失踪的功能性意义microRNA据报道在一些人类恶性肿瘤。异常表达的跨膜糖蛋白能有效抑制小鼠肿瘤的生长。然而,缺乏一个有效的肿瘤特异性的交付系统仍然是一个尚未解决的临床挑战成功翻译的microRNA。Setua等人开发了一个基于microrna - 145磁纳米颗粒配方(mir - 145 - mnpf)和评估其抗癌功效。mir - 145的表达(microrna - 145)中扮演一个重要的监管作用,抑制生长,转移,入侵,各种肿瘤的化学敏感性。microrna - 145的高表达在肿瘤组织细胞可以抑制原癌基因的激活,microrna - 145的差别而对这些基因的表达可以减少抑制原癌基因的表达能力和增长,扩散,甚至转移的癌细胞。实验结果表明,mir - 145 mnpf显示最好的粒度和电动电势,可以有效地吸收和恢复mir - 145在胰腺癌细胞,抑制细胞增殖,克隆形成、迁移和入侵胰腺癌细胞(3]。病人的检查发现明显扩大胃肠质量(直径2厘米)位于胃窦幽门附近的曲率越大。EUS-FNA进行现场的协助下细胞病理学评估材料的充分性。cytopathological涂片显示制服组轮类上皮细胞相对小的核仁和变量嗜酸性胞浆,与平滑肌肌动蛋白染色,但肌间线蛋白,chromogranin,突触,和角蛋白是负的,最终的细胞学诊断胃肿瘤(GT)球状。病人进行CT扫描,确认存在高密度病变约14毫米,没有淋巴结病或转移性疾病。没有手术禁忌症,所以卡斯特罗Ruiz等人进行腹腔镜胃楔形切除(通常用于手术切除病变的眼睑,鼻孔,耳廓,和嘴唇。这种切除包括完整的厚度和局部组织或器官的边缘。切除病变表面宽,窄深,形状的木楔。缝合线也应该缝合层)的肿瘤。腹腔镜检查是一个非常好的小,良性肿瘤的微创技术。 The patient is discharged on the fourth day after surgery. Macroscopically, the lesion has clear borders and is rubber-like. Histological examination confirmed the cytological diagnosis of gastric GT, and the surgical margin was disease-free [4]。尽管伊马替尼治疗晚期胃肠道间质瘤患者(要点)带来了显著的临床效益,这种疾病最终会进步由于耐伊马替尼。一线伊马替尼治疗方案失败后包括舒尼替剂量伊马替尼或升级切换。然而,目前还没有大规模的研究来比较这两种治疗方案的疗效的差异或手术的影响。许等人患者和其他研究招募了数百名高级要点,和手术观察一个有利生存的趋势,尽管这一优势调整了混杂因素后消失。许等人被分成三个组为先进的GIST患者不再回应一线伊马替尼。治疗成功率和手术治疗方案的效果进行评估的总体生存率。得出对先进的GIST患者没有一线伊马替尼治疗,与直接切换到舒尼替相比,剂量伊马替尼可以显著延长升级操作系统(5]。一个女人在她40年代最初出现肛门疼痛和被诊断为直肠要点。9厘米肿瘤延伸到肛门附近,需要彻底切除肿瘤的腹部和会阴。最初与甲磺酸伊马替尼接受了新辅助治疗的病人。6个月的新辅助化疗肿瘤减少到约47%的原始大小,允许anal-sparing手术。甲磺酸伊马替尼可以抑制bcr - abl酪氨酸激酶在细胞水平上在体外和体内,能选择性地抑制bcr - abl积极细胞系细胞,Ph染色体阳性慢性骨髓性白血病、急性淋巴细胞白血病患者的新鲜细胞增殖和诱导细胞凋亡。此外,甲磺酸伊马替尼也可以抑制血小板源生长因子(PDGF)受体;干细胞因子(SCF);c - kit受体酪氨酸激酶,从而抑制PDGF;和干细胞factor-mediated细胞行为。 Research of Kenno et al. showed that from the perspective of preserving anal function, the neoadjuvant treatment of imatinib mesylate is useful for large rectal GIST [6]。因为肿瘤位于骨盆,保留肛门手术对于大直肠胃肠道间质瘤(GIST)是很困难的。因此,直肠要点可能需要广泛的手术,如腹会阴切除术。近年来,在某些情况下,术前伊马替尼治疗已经被用于减少肿瘤的大小和保护肛门。然而,很少有报道腹腔镜anus-sparing巨头直肠手术要点。在一位55岁男性情况下,10厘米骨盆直肠低质量被发现的。Sn等人进行超声内镜细针穿刺活检,病理结果导致的诊断依据。质量已经扩散到前列腺癌和提肛肌的肌肉,所以没有破坏pseudocapsule手术被认为是困难。因此,甲磺酸伊马替尼(IM)是用于手术前8个月的化疗;质量是减少到7.8厘米; and laparoscopic intersphincterectomy was performed. Among them, the patient underwent IM chemotherapy before surgery and then performed anus preservation surgery. In a review of patients who successfully underwent anal-sparing laparoscopic surgery after preoperative IM chemotherapy, this case represented the largest tumor size. It is concluded that preoperative imatinib mesylate chemotherapy can effectively reduce rectal GIST, and laparoscopic ISR can be used to preserve the anus, even if the tumor is large [7]。

1.3。创新

(1)本文改进的模型知识地图结合深度学习实现自我诊断疾病;(2)排名学习应用于医生的建议,和医生综合考虑排名的特点;(3)本文丰富了医患匹配问题的研究角度和研究方法;和(4)本文多元化详细的护理,使治疗更有效和病人感觉更自在。

2。详细的护理计划在大数据

2.1。医学大数据

医学信息工程的迅速发展,医学数据的复杂类型和规模使现有的医疗大数据分析技术无法满足其需求。很难收集、分析和处理医疗数据及时和精简的方式并将它集成到有用的信息来支持精确的医疗决策。因此,如何有效地计算和整合医疗大数据变得越来越重要(8]。

2.1.1。医学大数据的来源

医疗大数据主要来自临床医学、生物医学研究和发展,新的医疗模式,以信息为基础的治疗。详细的源分布如图1。

2.1.2。医学大数据的特点

(1)多个数据类型包括照片、音频、视频、蓝牙信息,传感器,信号搜索,等等。(2)数据来源广泛,如上面提到的四个主要来源。(3)需要存储大量的数据。CT图像包含大约100 MB的数据,每个基因组序列文件的大小约为750米。高分辨率标准病理地图包含大约5 GB的医疗数据信息。大数据的计量单位是至少一个科学计量单位以1亿年为单位。(4)数据开发和更新快;研究医疗便利是不断更新和传播;和数据变化迅速,有别于传统的数据挖掘技术。(主要有聚类方法、分析方法和回归分析方法。 Traditional data mining techniques are all based on the development of a centralized underlying software architecture, which is difficult to parallelize and has low execution efficiency.) (5) Business value is great; health is very important; and big data analysis is used to understand the development mode and development trend of things and obtain valuable business information [9]。

2.1.3。医学大数据应用场景

当前重要的应用场景是:(1)临床决策支持系统。数据驱动的临床决策支持系统可以利用大数据分析技术使自己更聪明,提高医务人员的工作效率和医疗服务的质量。(2)通过各种可穿戴式医疗设备远程监控,远程监控的慢性疾病,患者和远程记录相关数据。通过大数据的收集和分析,它可以帮助医疗专业人员开发治疗病人。(3)综合比较和分析病人的个人特征、疾病相关的数据,和治疗效果数据;深入比较各种治疗方法;最后确定一个特定的病人的最佳治疗方案,进行有效的研究。大数据可视化改进医疗数据和过程的透明度,促进医疗业务流程的优化,减少医疗费用,提高医疗服务的质量。医生和病人之间,规范医疗行为,使医疗行为更加透明和有效,减少医疗矛盾,减少医疗纠纷。自2005年医学的发展大数据,数据已经从几千T数亿T;和应用程序的数据呈指数级增长。根据收集到的统计数据,它可以显示在图2(10]。

2.1.4。医学大数据算法

目前,有许多种类的大数据算法,也可以被描述为一百盛开的鲜花。医学大数据的常见算法,神经网络算法作为一个例子。虽然传统的云计算可以执行大量数据分析和基本满足医疗质量评价的要求,仍有许多缺点,比如长计算过程和大量样本的训练和测试。款智能云本文算法可以显著降低计算时间,和质量评价指标QEI获得可以更精确地反映病人的服务评价的详细的外科治疗,可以用来检测医院的治疗效果11]。

2.2。款算法模型

本文将每个医院的QEI分为类别,II, III, IV;QEI 0 - 25是I型;QEI 25至50 II型;类型III QEI 50到75之间;75年和100年之间,QEI IV型。QEI越大,质量越好详细的照顾在医院和治疗效果越高。从这个模型的分析,可以得到以下公式:

π是接近指数DI是疾病指数,然后呢λ₁和λ₂分别是π的比例系数和DI。这是相关的综合每个医院的医疗水平和医疗设备条件。为了方便地获得实际的价值,本文将值赋给π和DIλ₁和λ₂分别如表所示1(12]。

Di是disease-to-good率,可以通过公式转换质量数据值的情况下,转换下列公式所示:

在哪里G是乐观的条件下,B是悲观的数量条件,年代是总数量的条件。

P_我周边医院的比例,可以计算如下:

在哪里米_我医院,是邻居的数量N_我的总数吗数据的医院。

基于款的邻近点算法可以被理解为邻近的数据的比例x需要检测的距离x指出其我th相邻的数据。公式(3)可以表示为该地区的数据x内直径:

在哪里r从点半径范围值x对其我th相邻的数据,R是最大值,D组数据吗x。

因此,从点的距离x对点我可以显示在公式(4):

在哪里代表的数量的邻居。

鉴于D和 ,然后近距离的数据x下列公式所示:

本文改进了以前的算法。假设该地区范围的两个数据之间的距离计算O,然后 在哪里N_h是医院的。这个计算的目的是使数据点的数量尽可能地比较所有医院的范围内数据点(13]。让o类的中点数据点,数据点的数量应该至少n,取d/ 2为圆的半径,o圆的中心。对于任意两个点,假设x₁,x₂,那么满足

过滤原理:当T已分配的最小值n如果它满足候选人相邻点

在这个时候,x₂不能一个相邻的点。

如图3,从x₁和x₂和三个相邻的点ω₁,ω₂,ω₃使用定理,两边之和大于第三边,我们可以知道

它可以推广到得到以下公式:

也就是说,如果双方都除以n,我们可以得到

那就是:

结合公式(9),我们知道

因此,

上面的计算可以表明,相邻的点已经超过 ,的邻居x₂需要过滤掉。

考虑到整个地区可以分为无数的小区域,可以结合聚类分析,假设是数据中心的平均价值在一个特定区域。这个区域包括米数据,然后

这个集群的复杂性可以通过以下公式表示:

那么理论上的生成y集群中心集群中心值 , ,…, ,在哪里和 ,分别代表每个集群的最大和最小值;然后每个相应的聚类中心的任务 在哪里 公式是保持在一个小数位,便于计算(14]。

2.3。详细的护理在手术室

与传统的护理工作相比,在手术室无微不至的关怀让病人感觉更周到的服务,让他们仔细地沉浸在温暖的治疗环境,遵守医院的安排,提高病人满意度,治疗病人,提供便利的操作,顺利实施,提高患者的术后康复质量,提高病人满意度和护理工作(14]。

2.3.1。详细的护理在手术室的重要性

(1)各种护理模型适应病人的需要。许多患者术前焦虑,影响其疗效在治疗某些疾病,很难恢复。细致的护理模式下,医务人员回答病人的问题,有效降低手术焦虑,更积极地配合治疗,这在一定程度上提高了手术的成功率。(2)减少术后并发症(分类集群对象的统计分析方法根据事物本身的特点;它的目的是将数据集根据某种相似性度量)和改善病人护理满意度。医务人员将及时告知病人手术后的预防措施,可以有效地冷静下来病人的负面情绪。在操作期间,病人的物理特性可以探测和跟踪。当一个坏现象发生时,可以及时向医生报告,从而提高病人的治疗效果。与此同时,它还在家人面前建立一个良好形象,提高病人的满意度长期护理。(3)提高病人满意度,提高医院声誉。 In the advanced nursing mode, the nurse will explain the surgical precautions to the patient and family members when making an appointment for surgery to treat the disease. Family members have a deep understanding of the risks of treatment and the impact of surgery on patients. Medical staff will do their best to improve patients to a certain extent and increase satisfaction and hospital reputation. Figure4显示详细的护理在手术室的传统过程(15]。

2.3.2。应用程序详细的护理措施

(1)术前护理。它包括以下几点:在医生的手术计划,确保相关设备和物品上安装时间和消毒和灭菌处理得当,开发详细的在手术室护理程序,明确各级人员的工作职责相关的手术,分类护理任务在不同的时间,护理的任务分配给特定的护理人员,来访的病人在病房,阅读的情况下,与患者及其家属沟通,观察病人的状况,解释手术的预防措施,帮助病人克服紧张,解决病人的疾病知识,稳定病人,和提高病人的依从性。(2)术中护理。护理人员与病人保持简单的沟通,使病人更可靠。在麻醉过程中,护理人员可以安慰和鼓励病人用温和的话,轻轻触摸病人的身体,改善病人的安全意识。病人检测系统应该在行动中观察到,护士应采用标准化和温和的态度,以避免侵犯患者的隐私。在操作期间,适当的照顾和适当的绝缘的接触区域进行,以减少病人的不适。在手术过程中,液体是用来保持室温和改善病人的安慰。仔细观察并记录病人的生命体征和最小化的入口和出口nonsurgeons防止病原体进入手术室。在操作期间,确保各种工具的功能是正常的和手术材料满足规范的要求,是完全暴露在医生的视野,以确保手术的顺利进行。 (3) After observing the patient’s physical characteristics, the patient was fully awake; the side effects disappeared; and he was sent to the ward for rehabilitation and handed over work with the ward nurse. After the operation, the nurse went to the ward to understand the wound healing of the patient in time, help the patient restore function, explain the precautions, and request the evaluation of the patient’s care quality [16,17]。

3所示。胃肠道肿瘤的具体护理实验基于大数据

3.1。医学大数据模型的设计

3.1.1。数据收集(18]

在这篇文章中提到的大数据是地理空间大数据,主要包括POI数据和行人导航数据。其中,POI数据也被称为点,通常是指互联网电子地图数据。这包括向量点数据与四个主要属性:名称、地址、坐标和类别。行人导航数据指的是多个起点和多个目的地之间路线规划数据通过电子地图API接口,主要包括路线规划距离和驾驶时间。数据终端可以分为多种类型,如图5(19,20.]。

本文研究了29个医院相关数据收集。收集到的信息是基于医院的综合水平问,医院的邻近区域一个,每月的数量的疾病年代胃肠道肿瘤的病史n和疾病率的转换D_我等等,结果如表所示2。

3.1.2。数据处理

(1)数据预处理。JSON是一种轻量级的数据交换格式,它的简洁和清晰的层次结构,使其成为理想的数据交换语言。为了便于数据处理,研究了POI数据和步行时间数据的json格式和数据帧对象。大熊猫的帮助下,强大的数据聚合功能,我们可以拼接,变换,排序,总收购了POI和步行时间数据提供一个更容易处理数据格式数据向量化。(2)数据转换。直接连接到不同的数据源的不同坐标系统在上面的矢量文件。因此,在进行空间统计分析和计算,矢量文件必须协调和纠正它们转换成computer-recognizable数据。(3)建立空间数据库。添加属性数据对应点、线和为每一个行政区划面积元素,如住宅区标签,居民卫生设施水平,人口,等等。在此基础上,建立地理数据库; import residential areas, medical facilities, administrative divisions, roads, and other elements into the database; and build the foundation for subsequent data processing, analysis, and visualization [21,22]。

本文整理数据表2并分析之间的关系一个和年代。之间的关系问和D_我可以得到如图6。

它可以看到从图6 (a)一个和年代大致比例,邻近点面积越大,附近的医生的数量越多。虽然一个在某些领域非常小,疾病的数量年代仍然是非常大的,比如15医院数量。的原因中可以看到图6 (b)。虽然15号医院的综合水平相对较低,它有一个高disease-turning产量。从整体关系图,没有绝对比例医院的综合水平之间的关系问和disease-turning收益率D_我(23]。为了分析原因,本文进行了详细的护理管理调查几家医院使用相同的特征,发现这些医院详细的护理比其他医院做得更好。

为了进一步找到详细的护理和疾病转换速度之间的关系,本文排除其他因素的干扰,比较和分析了专门的胃肠道肿瘤医院编号3、4、7、9。假设详细的护理管理是我的水平,它可以分为四个级别:I, II, III, IV,级别越高,越精炼。整理数据表所示3:

在比较数据表3,它是发现之间的关系问,一个,N,D_我是不明显的。从表3,可以看出医院4和7号的综合水平是相当高的,没有。4是略高,和胃肠道肿瘤的医疗记录也相似,但疾病没有转换。4是低于没有。7所示。原因是详细的护理管理水平较高和详细的护理更好。同样,观察医院nos。3、7、4 9;虽然两组的综合水平是不同的,因为详细的管理水平是相似的,疾病率的转换非常接近。我和有一个明显的比例关系D_我。为了指定值表达的关系,本文详细的护理实验进行了如下(24,25]。

3.2。详细的护理实验

3.2.1之上。实验对象

一百手术患者包括是否符合下列条件:(1)都签署了知情同意;(2)没有重大疾病;(3)没有内分泌和免疫系统疾病手术前;(4)小学教育或以上,足以完成调查。

扣除因素包括:(1)患者免疫系统严重疾病;(2)结合糖尿病、肝硬化、心血管疾病感染、肺部感染;(3)最近的人患有功能性胃肠疾病和服用胃肠蠕动药物;(4)患者精神和神经系统疾病史;(5)严重术后并发症患者。在100年选择病人,41岁男性,和59岁女性,19岁到45岁,手术时间是30到230分钟。在随机对照试验中,患者分为观察组和对照组,每组50例。没有统计学意义(即。,的true degree of some statistical results of the data is credible, and there is a great grasp that the results of the data are not caused by chance) difference in general information between the two groups.

3.2.2。实验方法

对照组采用常规护理管理和实验组精制护理应用于护理管理。护理人员需要有效地管理细节和提供足够的关怀和对病人的爱参与执行各种癌症患者临床护理任务。护理人员可以解释未来癌症病人护理操作,这样他们就可以做出适当的执行常规护理操作前的心理准备。与正常的患者相比,恐惧、抑郁、易怒、和其他不良情绪的胃肠道间质瘤患者减少疗效,并不有利于预后。通过化疗等治疗,患者容易产生各种副作用。护理人员需要进一步加强沟通,耐心地了解病人的需要,满足患者的合理要求,改善病人的治疗信息,准备生活必需品与患者有关。具体步骤如下:(1)传递信息和教育,(2)心理细节护理,(3)温暖的细节护理,术中观察(4)细致的护理,护理(5)详细的操作(26,27]。

3.2.3。评价指标

比较护理错误,不适当的护理、护理投诉,护理质量、术后恢复时间,根据医院的护理质量评分决定白手起家的术后满意度调查分数表。总分是100分,这是直接与医疗服务的质量成正比。满意质量评价指标QEI成正比,可以转换吗 。根据实验,因为QEI疾病,成正比D_我,满意度也成正比D_我。

3.3。实验结果

在操作期间,平均通信时间和平均病人和医务人员之间的沟通时间比较,和病人的情感价值和医务人员比较如图7:

从图可以看出7为实验组,进行详细的护理,患者的数量的反应和通信的持续时间明显更大,表明病人的沟通意愿更强。这是更有利于解决心脏病人的恐惧和疑虑,安抚病人的心理,使操作更顺利。

本文还比较了复苏的两组病人手术后,如图8。

从图可以看出8在测试组的平均长度是8天,对照组的11天的时候,和经济复苏的效率增加了27.2%。和测试组进行详细的护理如图8所示(一个),和操作前的心情相对更好。的天数的增加在医院,病人的情绪测试组的详细的护理有显著提高,而在对照组,如图8所示(b),病人的情绪相对缓慢上升。

之后,本文调查的详细程度和满意度的测试与医院的病人和他们的家属。获得的结果如表所示4。

上面提到的满意度成正比QEI。根据不同的测试组1和2的详细保健水平,QEI和之间的关系D_我可以得到如图9。

从图可以看出9随着QEI值增加,D_我测试组的价值也在不断增加,并增加价值一直很稳定,虽然D_我对照组的值是不稳定的增加QEI。增加QEI不是通过优化管理水平详细的护理,但通过其他不稳定因素。和QEI值增加5分;的D_我值增加2点,也就是说,QEI增加1点,可以增加疾病的速度转换由0.4分。它可以得出的结论是,使用详细的护理可以有效改善手术的成功和胃肠道肿瘤患者的治疗和康复的效果(28]。

另外,为了比较的大数据处理性能款这个系统的算法与传统的算法,我们在Hadoop集群上运行这个系统在这个实验中,分析医疗大数据。与此同时,我们还需要一个单节点主机使用相同的物理配置比较。集群中使用这个实验并不是最有效的大数据分析和处理的节点数量的局限性,但它显示了良好的性能改善效果在大数据处理能力比普通单节点主机,如图10。蓝线代表的平均时间消耗使用单节点算法来处理不同的数据大小,而红线是分布式算法处理的平均时间消费。如图10,当数据规模小,传统的算法比款算法更快,例如,计算时间的第一个10 ^ 4数据,传统的算法是低于款算法,而在10 ^ 5数据,款算法仍然是相对稳定的,和时间控制是4.92秒,而超过6.46年代,传统算法和操作速度明显慢,这个结果是因为一段时间时不可避免地使用Hadoop集群启动Map和Reduce任务。然而,随着数据规模的增长,单节点算法开始无法在有效完成大数据的分析和处理时间的限制,和分布式算法在大数据处理的优势已经变得明显。此外,当分布式系统达到数据处理的瓶颈由于数据规模的增加,其能力可以提高通过增加DataNode节点的数量,相比单节点算法具有良好的可扩展性。

4所示。讨论

二级医疗数据的使用是对医疗服务和临床研究具有重要意义,但它没有被有效地实施由于缺乏工具和方法。很多知识和价值都隐藏在医学大数据。由于缺乏足够的方法,之前的数据分析和研究只能依靠问卷调查在医疗服务和临床研究,专注于小规模的随机抽样数据,如个人或小群体。与大数据分析,这些研究是不够有说服力,这些研究中使用的方法不能处理大数据。

详细的护理方法和款大数据在本文算法可以有效地保证胃肠道肿瘤患者的手术成功率和术后治疗和康复的影响的详细的护理和术后护理在手术室。然而,由于作者的水平有限,考虑的因素可能不够全面。有必要进行全面的研究从心理学和行为科学等学科进一步探索焦虑的原因有很多,恐惧,和其他情绪的胃肠道肿瘤手术患者29日]。

5。结论

本文首先分析和解释详细的背景意义基于医疗护理大数据,然后列举了许多学者的相关探索本文的主题内容,总结了前人研究的不足,阐述了改进了在本文中,本文总结了创新研究,然后深入研究了医学大数据的来源,特点,应用场景,等等。同时,本文提出了一种改进算法,款算法进行理论研究,使用数学公式计算方法,然后研究了护理过程中,重要性,详细的护理在手术室护理措施。然后,医疗大数据模型的设计。首先,许多医院的相关信息收集,相关参数之间的关系分析了图表的比较。然后两组患者选择不同医院详细的护理实验。最后的实验结果表明,患者经历了详细的护理有27.2%的改善比那些没有治疗和康复的效果。此外,详细的护理水平有一个明显的积极的关系的状态转换。最后,医院的详细的护理质量评价指标,是QEI,增加1点,这可以增加0.4条件转换的速度。

数据可用性

没有数据被用来支持本研究。

的利益冲突

作者宣称没有利益冲突有关这篇文章的出版。

确认

本研究由手术室护理的影响研究在胃肠道肿瘤患者的手术治疗,在邢台市城市自筹项目,2021年河北省(2021号zc151)。