APP下载

我国病人积极度研究热点的共词聚类分析

2022-11-21胡家星王心慰顾志娥束余声

全科护理 2022年32期
关键词:山丘聚类病人

白 璐,胡家星,王心慰,顾志娥,束余声

病人积极度(Patient Activation,PA)是由Hibbard等[1]于2004年提出的概念,概念指出积极度高的个体有知识、技能和信心来自我管理他们的健康。如果个人积极参与、知情并相信自己能够照顾好自己,那么他们就更有可能做出正确的决定并采取更多行动来促进自己的健康。那些有能力和信心应对个人健康挑战的人经历的健康危机较少,可以减缓或防止功能衰退。这意味着更好的健康以及更有效和高效地利用卫生保健资源。国外关于病人积极度的研究日趋成熟,但国内处于快速成长的阶段。目前国外有研究表明,病人积极度受人口学因素、疾病相关因素、社会学因素和个人因素[2]等影响,与此同时,病人积极度也将会影响病人的症状体验、自我管理能力及生活质量。病人积极度不仅用于横断面研究,还可以用于干预性研究。动态地评估病人积极度水平有利于促进病人与医务人员之间的合作,提高治疗与护理的满意度。因此,了解病人积极度的研究现状及研究热点对于医护人员了解病人在积极度方面的认知,制定个性化的护理措施具有重要的意义。本研究基于中国知网、万方、维普数据库,对国内病人积极度的研究热点进行分析,旨在为今后的研究提供参考方向。

1 资料与方法

1.1 资料来源 以主题词为“病人积极度”“病人激活”检索中国知网学术期刊网络出版总库(CNKI)、万方数据知识服务平台(Wan Fang)、维普生物医学期刊数据库(VIP),检索时间自建库至2022年4月,文献类型限定为期刊,初步检索到162篇文献。使用EndNote软件进行查重,删除重复文献70篇。通过阅读文章的题目、摘要或全文,剔除与主题弱关联的38篇文献,最终纳入54篇文献。

1.2 研究方法 将所有文献使用NoteFirst格式导出,使用共现分析系统(BICOMB) 2.0提取所有文献的“关键词”,对“关键词”进行数据清洗,将同义词进行替换,例如将“Ⅱ型糖尿病”“糖尿病,2型”全部规范为“2型糖尿病”,最终形成词篇矩阵和共现矩阵。将词篇矩阵Txt文件导入gCluto1.0软件进行聚类分析,生成聚类树状图,绘制山丘图。

2 结果

2.1 发文量分析 根据文献检索结果发现,关于“病人积极度”的研究数量逐年增加。由于2022年仅检索至4月,因此2022年的研究数量大幅度的下降。自2007年我国台湾地区的徐郁雯[3]将“病人积极度”概念引入国内并将量表进行汉化,随后在国内“病人积极度”的研究应运而生。近年来,随着“病人积极度”的概念被越来越多的学者了解,年发文量也呈现了递增的趋势。具体年发文量见表1。

表1 2010年—2022年发文量

表2 高频关键词及频次分布表

2.3 高频关键词聚类分析 本研究使用gCluto1.0软件进行聚类分析,根据结果可以提炼出3个病人积极度的研究热点,分别为聚类0、聚类1和聚类2,树状图见图1。聚类0包含了“抑郁症”“信度”“效度”3个关键词,研究的热点归纳为病人积极度问卷的测量与检验研究。聚类1包含了“家庭功能”“家庭访视护理”“2型糖尿病”“自我管理”“糖尿病足”5个关键词,研究热点归纳为特定病人积极度在干预中的客观作用研究。聚类2包含了 “影响因素”“慢性肾脏病”“社会支持”“慢性病”“自我效能”5个关键词,研究热点可以总结为病人积极度的相关性研究。

图1 病人积极度高频关键词聚类树状图

2.4 高频关键词可视化山丘图 本研究使用gCluto 1.0软件绘制可视化山丘图,结果见图2。每个山丘代表一类集合,可称之为类群,山丘的高度与类内相似性成正比,体积与类内数量成正比。每个山丘仅有顶峰的颜色具有意义,包含红、黄、绿、浅蓝和深蓝5种颜色,由红至深蓝代表了类内相似度的标准差从低至高。本研究的3个山丘彼此独立,说明聚类的效果较好。本研究中聚类0峰顶为红色,代表研究的主题一致性高;聚类1和聚类2的顶峰分别为黄、绿色,代表主题一致性中等。聚类1山丘的体积最大,证明关键词的数量最多。

图2 病人积极度高频关键词山丘图

3 讨论

3.1 病人积极度问卷的测量与检验 病人积极度量表(Patient Activation Measure,PAM)调查了病人管理其健康的知识、技能和信心。PAM并不单独评估一种行为,而是对个人管理其健康的整体能力的一种全面衡量。该量表最初研制时包含22个条目,徐郁雯[3]将此量表引进并进行汉化。随后为了减轻调查负担和成本,Hibbard等[5]又开发了13条目(PAM-13)和10条目(PAM-10),目前在国际上广泛应用。PAM-13量表包含认知、技能、行动、信念4个维度,采用Likert 5级评分法,采用特制的Excel表格进行换算,最终评分范围为0~100。病人积极度量表通过病人接受疾病相关知识的状态、病人对于疾病想要达到的目标取向、病人的信心程度、病人是否得到支持及病人是否具备解决问题的能力等方面,将病人分为了4个积极度水平:第一水平的病人处于被动状态,病人知识水平低,目标导向弱,缺乏信心,坚持力差。第二水平的病人意识到了自我健康管理的重要性,个人有一些知识,但在仍存在较大的差距。第三水平的病人正在采取自我健康管理的行动,建立自我管理的技能。他们以目标为导向,追求最佳的自我健康管理行为。第四水平的病人可以维持当前的健康管理行为并进一步推进新的行为,但是在有压力的情况下或者外界变化的时期可能需要帮助。国内的学者对病人积极度量表进行信效度的检验,研究证实,病人积极度量表在慢性心力衰竭病人、腰椎融合术前病人及抑郁症病人中的信效度结果良好[6-8],Cronbach′s α系数位于0.82~0.87。

3.2 特定人群病人积极度在干预中的客观作用

3.2.1 病人积极度的评价作用 病人积极度可被用于社区护理及个性化干预护理当中,通过两组的对照,有利于评价病人的积极度变化情况及自我健康管理能力和家庭功能。以2型糖尿病病人为例,社区卫生人员对2型糖尿病病人进行家庭访视护理和个性化干预方案,可以得出干预后的2型糖尿病病人积极度水平更高,病人家庭成员的支持度、合作度与包容度更强,提高了病人的自我健康管理能力[9-11]。

3.2.2 病人积极度的中介作用 以糖尿病足病人为例,病人积极度在家庭功能与自我护理之间发挥中介作用,病人积极度水平较低的病人家庭功能和自我护理产生负向影响[12]。以往也有研究表明,病人积极度是自我健康管理的预测因子。病人积极度水平高的病人,自我管理行为越好。积极度水平高的2型糖尿病病人主动性更强,更自觉进行自身健康管理和监测,与此同时疾病相关健康指标控制效果更好[13-14]。李媛等[2]的研究结果提示,病人积极度可以预测脑卒中病人的自我管理行为,病人积极度通过增加病人对于疾病应对的积极性来促使病人提高疾病管理的信心与技能,从而病人可以更好地参加医疗保健。

3.3 病人积极度的相关性研究

3.3.1 病人积极度的影响因素 病人积极度的水平受人口学因素、疾病相关因素、社会学因素和个人因素等影响,呈现出较大的差异。在人口学因素方面,病人的年龄、性别、文化程度及收入等因素均对病人积极度产生影响。在以往的研究中显示,男性病人的积极度水平较女性病人高,可能是由于男性抗压能力较强的缘故[15]。文化程度越高的病人,积极度水平越高[16]。在疾病相关因素方面,无合并症的病人较有合并症的病人积极度水平高,其与病人的不适体验较强存在关系,包括躯体不适、服药的依从性较差等因素[15]。疾病分期越早的病人积极度水平越高[17]。在社会学因素方面,当病人受到来自家庭、医护人员等人更多的支持时,病人应对疾病的信心越强,积极度水平越高[17]。在个体因素方面,具体可以划分为外在因素与自我感知2个层次。在外在因素层面,采取保乳的乳腺癌病人积极度水平较高,说明病人的自我形象是病人积极度的保护因素[18]。自我感知层面包含了病人的健康素养、希望水平和对疾病的感知程度等。有研究表明,病人的希望水平越高,其生存信念与对未来的期待越强,积极度水平越高[18]。病人的健康知识水平越高,越容易将健康知识转化为技能与行动,积极度水平越高[19]。健康素养越高的病人其自我健康管理的能力越强,主观能动性越高,病人积极度水平越高[20]。

3.3.2 慢性疾病与病人积极度的相关性研究 目前国内关于病人积极度的研究多集中于慢性病领域,包括但不限于慢性肾脏病病人、慢性病共病病人、慢性心力衰竭病人等[21-23]。慢性病病人由于患病时间较长、自我对疾病的认知程度等原因,自我效能水平能够影响病人积极度的水平。慢性病病人的自我效能越高,自我健康管理的行为越好,积极度越高[24]。

关于病人积极度的研究在我国仍处于快速成长阶段。随着互联网信息传播速度加快、医疗水平技术增强等因素,病人积极度的评估越来越重要。笔者认为,未来的研究应该重视测量罹患不同疾病病人的积极度水平,应用病人积极度结果制定个性化的护理干预措施。病人积极度是一个长期延续并不断变化的结果,应该建立长期的随访机制,探索病人积极度的变化情况。除此之外,未来的研究可以将病人积极度引入到癌症病人的测量中来,关注病人积极度与病人所报告的症状结果之间的关系,尤其是病人经历症状群的影响,应用病人积极度和病人报告结局可以长期观察病人的症状、症状群改善情况。除此之外,借助延续护理、社区护理、家庭护理等方式,将积极度与病人报告结局应用至病人的全生命周期健康管理中来。

综上所述,本研究对自建库以来发表在中国知网、万方数据、维普数据库与病人积极度相关的论文进行分析,归纳出病人积极度的研究热点及未来的研究方向。但由于本研究纳入的文章数量有限,未来仍需要扩大检索范围进行更全面的分析。

猜你喜欢

山丘聚类病人
一种傅里叶域海量数据高速谱聚类方法
谁是病人
华子涵:站在山丘上看最美的落日
比弗利山丘庭院
激发你的创造力
面向WSN的聚类头选举与维护协议的研究综述
改进K均值聚类算法
山丘上的城市
病人膏育
基于Spark平台的K-means聚类算法改进及并行化实现