基于深度学习的神经源性膀胱患者慢病数字管理程序构建及应用OACSTPCD

目的 构建神经源性膀胱(neurogenic bladder,NB)患者慢病数字管理程序(简称"NB管理程序"),并初步验证评价其准确性及应用价值.方法 构建由数据平台、服务器端、NB用户端组成的NB管理程序.采用随机数字表法将 2023年 2月—2024年 2 月江苏省某所三级甲等医院 85 例NB出院患者分为对照组 42例和干预组 43例.对照组采用常规NB健康管理随访,干预组在常规健康管理随访上实施基于深度学习的 NB管理程序.比较 2 组患者干预前(T0)、干预 1个月末(T1)、干预 3个月末(T2)的神经源性膀胱症状得分.同时干预组分析程序数据并评价程序运行有效性和准确性.结果 最终 80例完成试验,干预组和对照组各 40 例.结果 显示,干预 1 个月末和 3 个月末,干预组储尿和排泄、失禁、NB症状总分、生活质量改善均优于对照组(P＜0.05);2组患者泌尿系统并发症改善程度在 1 个月末差异无统计学意义(P＞0.05),但在干预 3个月末干预组 NB症状改善程度均优于对照组(P＜0.05).干预组NB管理程序识别膀胱超过安全容量并发送立即处理提示的有效性为 100%,生成膀胱安全容量预警及预防管理方案有效性为 51.3%.结论 NB管理程序安全容量预警准确性较高,有利于减轻NB患者神经源性膀胱症状,提高生活质量.