床旁视频脑电图监测在神经外科重症患者中的应用价值探讨

(整期优先)网络出版时间:2021-09-22
/ 3

床旁视频脑电图监测在神经外科重症患者中的应用价值探讨

罗明枝

联勤保障部队第九 00医院神经外科 , 福建 福州 350025

摘要:目的 探讨床旁视频脑电图监测在神经外科重症患者中的护理和应用价值。方法

在2020年7月-2020年10月期间来我院治疗的神经外科患者中,选取70例神经外科重症患者作为研究对象,随机数字表随机将患者分为对照组和观察组各35例。观察两组患者的镇静后相关指标及患者或家属满意度。结果 观察组患者的收缩压、舒张压、呼吸频率和心率均明显小于对照组(P<0.05)。观察组患者或家属的满意度高达91.43%,对照组患者的总体满意度为77.14%,观察组显著高于对照组,并具有统计学意义(P<0.01)。结论 在神经外科重症患者中应用床旁视频脑电图监测,有效指导患者的镇静监护效果和提高患者或家属满意度,对提升医护人员职业成就感和改善医护关系有重要意义,具有临床推广价值。

关键词:床旁视频脑电图监测;神经外科重症;镇静监护;应用价值

脑电图(electroencephalogram,EEG)能显示脑代谢过程中出现的异常放电,包括监测到患者昏迷状态、痫性放电等,与脑代谢过程息息相关[1-2]。在神经外科重症患者的监护中,由于涉及多种神经系统疾病的治疗护理,因此往往要求专业的专科医护人员合作完成神经外科重症患者的监护工作[3]。床旁视频脑电图监测具有以下特点:持续,无创和持久,并且能监测患者的癫痫放电,是重症监护中一种脑功能监测手段[2]。本文旨在探讨床旁视频脑电图监测在神经外科重症患者中的护理和应用价值,现报道如下。

1 研究对象

2020年7月-2020年10月,来我院治疗的神经外科患者中,选取70例神经外科重症患者作为研究对象,随机数字表随机将患者分为对照组和观察组各35例。其中对照组患者男性19例,女性16例,年龄18-83岁,平均年龄(47. 6±3.7)岁,颅脑外伤11例,颅内肿瘤8例,癫痫2例,脊髓疾病2例,蛛网膜下腔出血4例,小脑出血3例,硬膜下/外出血5例。观察组患者男性19例,女性16例,年龄18-83岁,平均年龄(47. 6±3.7)岁。颅脑外伤11例,颅内肿瘤10例,癫痫2例,脊髓疾病1例,蛛网膜下腔出血5例,小脑出血3例,硬膜下/外出血3例。两组患者的性别、年龄、学历及疾病种类等基线资料具有客观可比性,无统计学差异(P>0.05)。纳入患者的年龄均≥18岁,并获得患者及家属的知情同意。

2 方 法

2.1 方法

对照组患者进行常规护理,评估患者的血压、呼吸、心率等生命体征。根据患者的其他监测指标及医护人员的临床经验,评估昏迷状态评估、镇静评分及预后分级等,并据此进行对应镇静处理等操作。观察组患者在常规护理基础上,采用床旁视频脑电图监测护理,由医护人员根据脑电图监测指标完成昏迷状态评估、镇静评分和镇静处理、并发症评估及预后分级等,并在发现异常后给予患者对应治疗和护理操作。

2.2 观察指标

观察两组患者的镇静后相关指标及患者或家属满意度。镇静后相关指标主要包括:患者收缩压(mm Hg)及舒张压(mm Hg)水平,呼吸频率(次/min)及心率(次/min)。患者或家属满意度通过问卷调查方式进行,调查评分分为很满意、满意及不满意,其中满意度=(很满意+满意)/问卷总人数*100%。

2.3 统计分析方法

本次研究结果均是采用SPSS 19.0统计学软件进行数据分析,结果采用(±s)表示,相同时间点两组计量资料之间使用方差分析进行比较。计数数据用[n(%)]表示,采用614ad2eb716ca_html_86518a84b5ff9fa6.gif2检验方法进行比较:若对比差异值P<0.05,则表示具有显著性差异,有统计学意义。

3 结 果

3.1 患者的镇静后相关指标

表1 所示为两组患者的镇静后相关指标分析,由表可知,观察组患者的收缩压和舒张压均小于对照组,并具有统计学意义(P<0.05);而观察组患者的呼吸频率和心理同样明显小于对照组(P<0.05)。

表1 两组患者的镇静后相关指标分析(±s)

组别/n

收缩压(mm Hg)

舒张压(mm Hg)

呼吸频率(次/min)

心率(次/min)

对照组/35

观察组/35

117.92±3.55

106.94±3.65*

66.8±2.66

61.9±2.54*

23.07±1.52

19.51±1.71*

95.23±2.49

89.87±2.72*

*对比对照组具有统计学意义(P<0.05)

3.2 患者或家属满意度

两组患者满意度对比如表2所示,观察组满意度高达91.43%,对照组的总体满意度为77.14%,观察组显著高于对照组,并具有统计学意义(P<0.01)。

表2两组患者护理满意度对比[n(%)]

组别/n

非常满意/

满意

不满意

总满意度/%

对照组/35

观察组/35

9(25.71)

21(60.00)

18(51.43)

49(31.43)

8(22.86)

3(8.57)

27(77.14)

32(91 .43)**

**对比对照组具有统计学意义(P<0.01)

4 讨 论

神经外科重症患者的监护治疗中涉及多种神经系统疾病,包括颅脑内/外损伤、脑出血、肿瘤、脊髓损伤及其他系统性神经系统疾病。这类急危重症患者发病急且病情严重,常常术后恢复缓慢,术后并发症发生率高,除此之外还表现较差预后,给患者及家属的生活带来很大困扰[4-5]。神经外科重症监护室有多种影像学设备和监测手段,包括正电子发射扫描、单光电子发射扫描、核磁共振及常见的CT等,但仍不能持续监重症患者的脑电活动变化,中枢神经系统功能监测表现滞后性[6-9]。为及时监测重症患者病情变化,并及时实施对应治疗和监护措施,有效的持续性监测手段是临床应用的需求点。脑电图及时记录脑代谢异常,有利于提高患者术后疗效评估的及时性和准确性,已开始应用于临床实践[10]

神经外科重症患者容易表现烦躁情绪,主要来源有:疾病本身,镇静药物使用,气管插管插入,并发症等多重因素。这给患者的监护和治疗带来考验,躁动情绪滋长患者对治疗的抵触和不自觉的身体抖动等,影响患者预后[11]。本研究结果显示,采用床旁视频脑电图监测护理有效提高患者的镇静相关指标,观察组患者的收缩压、舒张压、呼吸频率和心率均明显小于对照组(P<0.05)。这提示我们,床旁视频脑电图监测护理应用有利于消除患者及家属的紧张情绪,缓解焦虑,帮助提高患者依从性和生活质量,并一定程序改善患者的疼痛。此外,采用床旁脑电图监测护理对提高患者及家属满意度有重要意义,调查数据显示观察组患者的满意度高达91.43%,对照组患者的总体满意度为77.14%,观察组显著高于对照组,并具有统计学意义(P<0.01)。由此可见,在常规护理基础上,增加神经外科重症患者的床旁视频脑电图监测护理,更能改善医患关系,提升患者护理满意度,也是护理人员和患者之间的沟通桥梁。

综上所述,在神经外科重症患者中应用床旁视频脑电图监测,有效指导患者的镇静监护效果和提高患者或家属满意度,对提升医护人员职业成就感和改善医护关系有重要意义,具有临床推广价值。

参考文献

[1] Laoprasert P, Ojemann JG, Handler MH. Share Insular epilepsy surgery. Epilepsia. 2017 Apr;58 Suppl 1:35-45.

[2] Müller-Putz GR. Electroencephalography. Handb Clin Neurol. 2020;168:249-262.

[3] Brooks C. Critical care nursing in acute postoperative neurosurgical patients. Crit Care Nurs Clin North Am. 2015 Mar;27(1):33-45.

[4] Chen TJ, Chung YW, Chang HR, et al. Diagnostic accuracy of the CAM-ICU and ICDSC in detecting intensive care unit delirium: A bivariate meta-analysis. Int J Nurs Stud. 2021 Jan;113:103782.

[5] Pasternak JJ, Lanier WL. Neuroanesthesiology Update. J Neurosurg Anesthesiol. 2018 Apr;30(2):106-145.

[6] 黄雪琴,孙妙艳,黄桥,等.RASS镇静评分在神经外科重症患者中的应用[J].中国医药科学,2020,10(02):201-203.

[7] 贾海燕.重症监护病房的脑电图监测和护理[J].国外医学.护理学分册,2004(03):97-101.

[8] Blazak P, Hacking C, Presneill J, et al. Early repeat computed tomographic imaging in transferred trauma and neurosurgical patients: Incidence, indications and impact. J Med Imaging Radiat Oncol. 2018 Feb 5.

[9] Pinggera D, Luger M, Bürgler I, et al. Safety of Early MRI Examinations in Severe TBI: A Test Battery for Proper Patient Selection. Front Neurol. 2020 Apr 7;11:219.

[10] Dang J, Lal A, Flurin L, et al. Predictive modeling in neurocritical care using causal artificial intelligence. World J Crit Care Med. 2021 Jul 9;10(4):112-119.

[11] Pandharipande PP, Patel MB, Barr J. Management of pain, agitation, and delirium in critically ill patients. Pol Arch Med Wewn. 2014;124(3):114-23.