【摘 要】
：
目的:编制重大传染病疫情应急医疗救援人员健康防控策略自评量表（以下简称健康防控策略量表）,为动态评估应急医疗救援人员所采取的健康防控策略提供工具,以期及时发现健康防控策略所存在的问题,进而为保障他们的身心健康提供具体的指导。方法（量表编制流程）:1.于2020年10月～12月,采用目的抽样法对31名新型冠状病毒肺炎（Corona Virus Disease2019,COVID-19）疫情期间支援湖
论文部分内容阅读
目的:编制重大传染病疫情应急医疗救援人员健康防控策略自评量表（以下简称健康防控策略量表）,为动态评估应急医疗救援人员所采取的健康防控策略提供工具,以期及时发现健康防控策略所存在的问题,进而为保障他们的身心健康提供具体的指导。方法（量表编制流程）:1.于2020年10月～12月,采用目的抽样法对31名新型冠状病毒肺炎（Corona Virus Disease2019,COVID-19）疫情期间支援湖北省的应急医疗救援人员进行质性访谈,为构建健康防控策略量表条目池提供参考。2.于2020年12月～2021年1月,根据文献综述与质性访谈结果构建健康防控策略条目池,并通过焦点小组讨论对条目池进行修改。根据修改后的条目池编制健康防控策略量表初始版。3.于2021年2月～3月,邀请20名从事医学、护理学或心理学等研究方向的专家进行德尔菲专家咨询,对健康防控策略量表初始版条目进行筛选与修改,进而形成健康防控策略量表试测版Ⅰ。4.于2021年3月～4月,采用方便抽样法对360名COVID-19疫情期间支援湖北省的应急医疗救援人员进行调查,利用SPSS 25.0对健康防控策略量表试测版Ⅰ进行项目分析与探索性因子分析,进而形成健康防控策略量表试测版Ⅱ。5.于2021年5月～7月,同样采用方便抽样法对287名COVID-19疫情期间支援湖北省的应急医疗救援人员进行调查,利用SPSS 25.0和Amos 23.0对健康防控策略量表试测版Ⅱ进行验证性因子分析、聚合和区分效度检验、效标关联效度检验与信度检验,最终形成健康防控策略量表正式版。结果:1.根据文献综述与质性访谈结果,构建了 100个条目的健康防控策略量表条目池,其中救援前健康防控策略23个条目,救援中健康防控策略57个条目,救援后健康防控策略20个条目。2.经过焦点小组讨论删除救援前健康防控策略条目池1个条目,救援中健康防控策略条目池4个条目,救援后健康防控策略条目池2个条目。并根据修改后的条目池,编制了 93个条目的健康防控策略量表初始版。3.健康防控策略量表初始版专家咨询的积极系数为75%;专家咨询的权威系数均大于等于0.7。根据专家咨询结果,删除救援前健康防控策略分量表1个条目,救援中健康防控策略分量表4个条目;修改救援中健康防控策略分量表3个条目,救援后健康防控策略分量表2个条目,进而形成了 88个条目的健康防控策略量表试测版Ⅰ。4.健康防控策略量表试测版Ⅰ的项目分析结果显示,所有条目的高低分组间差异均有统计学意义（P＜0.001）,且与所属分量表总分的相关系数均超过了 0.30,均大于项目分析的筛选界值。根据探索性因子分析结果,删除救援前健康防控策略分量表3个条目,保留18个条目,提取出5个因子,共解释了 71.445%的方差;删除救援中健康防控策略分量表20个条目,保留29个条目,提取出6个因子,共解释了 69.650%的方差;删除救援后健康防控策略分量表4个条目,保留14个条目,提取出4个因子,共解释了76.408%的方差。根据上述分析,进而形成了 61个条目的健康防控策略量表试测版Ⅱ。5.健康防控策略量表试测版Ⅱ的验证性因子结果显示,救援前健康防控策略分量表的模型拟合良好（χ2/df=2.841,P＜0.001,RMSEA=0.080,CFI=0.923,TLI=0.904,IFI=0.924）,标准化因子载荷范围为0.45～0.92;救援中健康防控策略分量表的1条目载荷较低被删除,修正后的验证性因子模型拟合度可以接受（χ2/df=3.010,P＜0.001,RMSEA=0.084,CFI=0.904,TLI=0.889,IFI=0.905）,且标准化因子载荷范围为0.58～0.96;救援后健康防控策略分量表的模型拟合良好（χ2/df=2.915,P＜0.001,RMSEA=0.082,CFI=0.954,TLI=0.938,IFI=0.954）,且标准化因子载荷范围为0.61～0.94。聚合与区分效度结果显示,除“家庭支持”维度外,三个分量表的其他每个维度的AVE均大于0.50,CR均大于0.70,AVE的平方根也大于该维度与其他维度的相关性系数。效标关联效度检验结果显示,三个分量表与生活质量、创伤后应激障碍、躯体症状、救援满意度、未来参与救援意愿这些效标均有显著的相关性。信度检验结果显示,除“家庭支持”维度的Cronbach’sα系数为0.596,三个分量表及其他维度均在0.78以上。根据上述信效度检验,最终形成了 60个条目的健康防控策略量表正式版。结论:本研究所编制的健康防控策略量表具有较好的信效度,可以作为应急医疗救援人员健康防控策略的评估工具。
其他文献
非霍奇金淋巴瘤（Non-Hodgkin lymphoma,NHL）是一组具有高度异质性的淋巴组织恶性增殖性疾病,是血液系统最常见的恶性肿瘤之一。弥漫大B细胞淋巴瘤（Diffuse large B-cell lymphoma,DLBCL）是最常见的侵袭性NHL,占所有初治NHL的30%-40%,在形态学、生物学、免疫表型、遗传学及临床表现等方面均表现出高度的异质性。随着以利妥昔单抗为代表的新型分子靶
研究背景:阿尔茨海默病（Alzhermer’s disesase,AD）是引起痴呆最常见的类型,其病理特点主要是过度磷酸化的tau蛋白堆积形成的细胞内神经纤维缠结和淀粉样蛋白β（Amyloidβ,Aβ）组成的细胞外淀粉样斑块沉积。有毒性的Aβ肽是由淀粉样前体蛋白（amyloid precursor protein,APP）经过β-和γ-分泌酶连续切割产生的。尽管目前针对Aβ开发的药物尚未成功,但淀
研究背景目前,颈动脉硬化斑块是缺血性脑疾病的重要病因,其在全球的患病率逐渐升高,已经引起了越来越多的关注和研究。识别症状性斑块对于病人的治疗和预后有着至关重要的作用。随着技术的发展,人们研究了症状性斑块与狭窄程度、斑块成分等的相关性,并且很多学者也研究了先进的成像技术在探究症状性颈动脉斑块方面的应用。近几年,血管周围脂肪对动脉粥样硬化斑块的形成和促进的观点引发了新颖性、创新性的关注,并且其可以无创
面对现实生活中爆发式增长的图像数据,基于计算机视觉的图像分析备受人工智能等领域学者的广泛关注。其中,图像视觉关系理解是图像分析的重要分支,旨在挖掘图像内容中所蕴含的视觉关系,是诸多实际应用,比如服装推荐、智能机器人、自动驾驶等,所需的基础技术之一。对视觉关系理解有需求的图像是多样的,根据图像所包含物体的个数,可将图像大致分为两类:简单图像和复杂图像。简单图像往往包含单个物体,且其背景较为干净;复杂
世界正在进入以新一代信息技术驱动发展的重塑时期,人工智能（AI,Artificial Intelligence）作为其中重要的势能技术,具有激活实体经济溢出带动性的“头雁效应”,对构筑国家科技影响力具有举足轻重的意义。中国于2017年发布《新一代人工智能发展规划》,将人工智能正式上升为提高国家竞争力的重大国家发展战略,其相关的经济形态进入快速发展的扩张期。2021年发布的《中国互联网发展报告》显示
随着国民审美水平的不断提升,人们追求时尚穿搭的需求日益凸显。然而,并不是所有人都具有一定的审美认知。因此,自动化服装搭配成为人们日常生活中的迫切需要。同时,现实中的搭配服装设计往往需要设计师手动完成,费时费力。因此,自动化搭配服装设计也值得我们密切关注。此外,在现实生活中,人们通常需要对感兴趣的服装进行试穿,并根据试穿效果决定其是否购买服装。然而,在线上购物时,由于空间的局限性,用户难以获得服装的
水凝胶具有含水率高、力学性能可控、孔隙率高等优良特性,被广泛应用于生产生活的各个领域。在多数情况下,水凝胶处于热力学平衡态,在外部环境不变时,其结构和性质一般可以认为是稳定的。但是在生命体中,许多复杂功能的实现依赖于动力学控制的结构,并且这些结构通常处于非平衡态,只有通过不断输入能量才能存在并发挥作用。为了构建类似生命体的智能体系,研究者将非平衡过程引入水凝胶中,获得了具有预编程特性的瞬态水凝胶材
随着物联网以及云计算等技术的成熟与普及,数以百亿的终端设备产生了规模庞大的数据,这些数据被上传至算力强大的云中心进行处理。基于此,以数据和算力为主要驱动力的深度学习算法得以飞速发展。深度学习算法因优异的泛化性在计算机视觉、自然语言处理、自动驾驶、机器人决策等领域得到了广泛应用,助力智慧生活和工作成为现实,具有广阔的发展前景。在传统的基于“云-端”架构的智能系统中,深度学习应用部署于拥有强大计算能力
抑郁障碍是一种常见的精神疾病,以显著的心境低落和兴趣缺失为主要特征,常伴随其它非特异性症状,如失眠、疼痛、疲劳,严重时可出现自伤甚至自杀行为。在中国,最新的精神疾病流行病学调查显示,精神疾病的发病率越来越高,心境障碍的终身患病率位居第二,高达7.4%,其中超过90%都是抑郁障碍患者。尽管大多数患者可在首次发作的一年内获得缓解,但复发的概率非常高,并且还有相当一部分患者会进展到慢性阶段,抑郁症状可能
RNA结合蛋白（RNA binding protein,RBP）的结构和功能是当今生物医学研究领域的前沿热点之一,RBP研究领域的一些新发现在多个层面上更新了我们对于生命过程与本质的认知。蛋白质与RNA的相互作用具有普遍性,除了经典的RBP之外,很多信号通路蛋白、转录/翻译调控蛋白、染色质调控蛋白等也可以与不同种类的RNA分子如非编码RNA（non-coding RNA,nc RNA）结合。这种R