-
题名无主流浪精神分裂症患者社会支持及社会功能现状分析
被引量：1
- 1
-
-
作者
陶平宇
邱龄山
孔亚芳
袁素丽
-
机构
杭州市第七人民医院老年三科
杭州市第七人民医院老年二科
杭州市第七人民医院精神科
-
出处
《中国基层医药》
CAS
2022年第8期1189-1193,共5页
-
基金
浙江省杭州市卫生科技计划项目(OO20190506)。
-
文摘
目的探讨无主流浪精神分裂症患者社会支持及社会功能现状。方法选取杭州市第七人民医院2018年1月至2019年12月收治的468例精神分裂症患者作为研究对象,根据是否存在流浪行为将所有患者分为无主流浪组(n=310)和非流浪组(n=158)。采取自制入院患者基本情况调查表、社会支持量表(SSRS)和简明精神病量表(BPRS)对所有患者基本情况、社会支持水平、病情程度进行调查研究分析。结果无主流浪组患者中男性、农村户口、非本地居民、无职业、未婚及教育程度不高、年龄30~50岁人数显著高于非流浪组(χ^(2)=3.58、20.14、18.69、46.29、33.16、24.38、29.75,均P < 0.05);与非流浪组相比,无主流浪组患者的SSRS各项评分及总分均明显偏低[(15.35±5.42)分、(4.34±2.78)分、(6.48±1.89)分、(26.23±7.35)分;(18.99±3.78)分、(6.35±3.23)分、(7.82±2.01)分、(32.59±7.02)分,t=6.34、10.52、12.83、14.68,均P < 0.001];BPRS各项因子评分及总评分总明显偏高[(19.35±5.85)分、(22.58±2.73)分、(18.74±2.46)分、(18.48±0.25)分、(16.38±3.12)分、(79.43±3.64)分;(12.92±4.23)分、(16.24±3.66)分、(16.97±3.77)分、(10.58±3.34)分、(6.36±4.23)分、(62.72±2.57)分,t=9.92、7.02、6.33、10.35、15.74、28.46,均P < 0.001]。结论精神分裂症患者其不良个体情况和低社会支持水平是造成无主流浪的重要因素。
-
关键词
无家可归者
精神分裂症
社会支持
精神病状态评定量表
心理疗法
-
Keywords
Homeless persons
Schizophrenia
Social support
Psychiatric status rating scales
Psychotherapy
-
分类号
R749.3
[医药卫生—神经病学与精神病学]
-
-
题名精神分裂症患者暴力行为危险因素分析
被引量：1
- 2
-
-
作者
陶平宇
邱龄山
骆名进
李永妹
王芳
-
机构
浙江大学医学院附属精神卫生中心
-
出处
《中国现代医生》
2022年第23期80-83,共4页
-
基金
浙江省医药卫生科技计划项目(2020PY062)
杭州市卫生科技计划一般项目(OO20190506)。
-
文摘
目的 探讨精神分裂症患者暴力行为的危险因素。方法 回顾性分析2018年1月至2020年6月收治的501例精神分裂症患者,进行基线资料调查,并评估患者当前危险度分级,根据患者是否符合暴力行为标准分为两组,即无暴力行为组(n=386),存在暴力行为组(n=115),同时经二元Logistic回归分析影响因素。结果 经二元Logistic回归分析,年龄<60岁(OR=112.565)、情绪易激动(OR=195.227)、存在攻击行为史(OR=1784.830)、首次发病年龄≤30岁(OR=148.232)、间断服药或不服药(OR=27.665)、家庭月收入<5000元/月(OR=180.202)是导致患者出现暴力行为的独立因素。监护人属于可疑因素。结论 首次发病年龄、服药情况、年龄、家庭月收入、攻击行为史、情绪是导致患者出现暴力行为的独立因素,应对相应危险因素进行干预及预防。
-
关键词
精神分裂症
暴力行为
影响因素
预防
-
Keywords
Schizophrenia
Violent behavior
Influencing factors
Prevention
-
分类号
R749.3
[医药卫生—神经病学与精神病学]
-
-
题名常见精神疾病智能大数据平台的设计与实现
被引量：2
- 3
-
-
作者
曾金坤
韦思炜
徐小林
章俊航
-
机构
浙江大学医学院附属精神卫生中心/杭州市第七人民医院老年精神三科
浙江大学医学院附属精神卫生中心/杭州市第七人民医院信息部
-
出处
《中国数字医学》
2022年第6期93-99,共7页
-
文摘
目的:构建常见精神疾病智能大数据平台,助力临床辅助决策,提升精神疾病诊疗服务水平。方法:使用文本聚类等算法实现数据元的标准化,建立精神疾病多模态数据库,使用机器学习方法进行建模,实现临床辅助决策和智能预测。结果:建立了常见精神疾病标准数据库,记录了患者的人口学资料、伴随疾病及亲缘信息和症状评测等信息,结合AI算法对患者数据进行建模,实现常见精神疾病智能预测。结论:精神疾病智能大数据平台整合了精神疾病患者数据,运用数据资源进行智能预测,有助于有效降低对实体资源、医护资源的依赖,提升就医效率,促进医疗服务质量的提高。
-
关键词
心理疾病
大数据平台
标准化
AI模型
智能预测
-
Keywords
Mental diseases
Big data platform
Standardization
AI model
Intelligent prediction
-
分类号
R319
[医药卫生—基础医学]
-
