基于人工智能的機(jī)構(gòu)老人長期照護(hù)分級標(biāo)準(zhǔn)模型的構(gòu)建

鄭進(jìn)，覃渝茜，曾東，鄧韓彬，魏開航

1.四川省中醫(yī)藥科學(xué)院中醫(yī)研究所（四川省第二中醫(yī)醫(yī)院）臨床教學(xué)部，四川成都 610031；2.四川省八一康復(fù)中心（四川省康復(fù)醫(yī)院）脊髓損傷康復(fù)科，四川成都 611135；3.電子科技大學(xué)，四川成都 611730；4.成都樂享智家科技有限責(zé)任公司，四川成都 610095

我國是世界上老年人口最多的國家，隨著社會經(jīng)濟(jì)水平的發(fā)展，我國老齡化水平逐漸加重，且整體健康水平不容樂觀。人口快速老齡化及空巢化和“壽而不康”的現(xiàn)狀給醫(yī)療和照護(hù)帶來了巨大的壓力[1]。 而我國的老年醫(yī)學(xué)教育、老年護(hù)理教育與發(fā)達(dá)國家相比，明顯滯后。主要表現(xiàn)在老年護(hù)理體系的建立上[2]。如何有效、客觀評估老人是否需要照護(hù)以及需要接受何種級別的照護(hù)是現(xiàn)階段老年照護(hù)存在的主要問題。因此，該研究將在前期老人照護(hù)需求評估標(biāo)準(zhǔn)池基礎(chǔ)上，構(gòu)建基于人工智能的機(jī)構(gòu)老人長期照護(hù)分級標(biāo)準(zhǔn)，為老年照護(hù)分級服務(wù)體系構(gòu)建奠定技術(shù)基礎(chǔ)。 現(xiàn)報(bào)道如下。

1 對象與方法

1.1 研究對象

研究采用分層隨機(jī)抽樣，從成都市3 個(gè)不同行政區(qū)域選擇4 家養(yǎng)老機(jī)構(gòu)選擇病例。 納入標(biāo)準(zhǔn)：①年齡≥60歲，受照護(hù)時(shí)限≥1 月；②意識清晰、有閱讀能力或可與調(diào)查人員溝通；③知情同意，自愿參加該研究。 排除標(biāo)準(zhǔn)：精神障礙、認(rèn)知障礙、重癥以及疾病終末者。

1.2 調(diào)查工具

采用該課題前期設(shè)計(jì)的“養(yǎng)老機(jī)構(gòu)老人現(xiàn)狀調(diào)查表問卷”，問卷內(nèi)容包括一般資料、自身身體認(rèn)知情況和心理、生理及社會參與需求。 此外針對老人還安排質(zhì)性訪談，內(nèi)容包括身體、心理和自我感覺照護(hù)需求。指標(biāo)池構(gòu)建的步驟如下：①專家、照護(hù)人員、老人問卷和質(zhì)性訪談：查閱文獻(xiàn)，編撰問卷表和質(zhì)性訪談表，分別對專家、養(yǎng)老機(jī)構(gòu)照護(hù)人員、機(jī)構(gòu)接受照護(hù)老人進(jìn)行訪談和問卷調(diào)查，參與專家8 名，養(yǎng)老機(jī)構(gòu)照護(hù)人員10 名，機(jī)構(gòu)照護(hù)老人10 名，形成模型指標(biāo)項(xiàng)目池，包括3 個(gè)一級指標(biāo)，5 個(gè)二級指標(biāo)，24 個(gè)三級指標(biāo)；②專家函詢：以QQ 視頻、微信視頻等方式供函詢來自5 個(gè)省市的10 名專家，形成初步分級評估指標(biāo)體系， 包括3 個(gè)一級指標(biāo)，5 個(gè)二級指標(biāo)，13 個(gè)三級指標(biāo)；③基于人工智能老人基本數(shù)據(jù)與指標(biāo)相關(guān)性分析：人工智能平臺采集22 例接受照護(hù)老人連續(xù)207 d 基礎(chǔ)生命數(shù)據(jù)和行為活動數(shù)據(jù)，包括基礎(chǔ)生命體征、日常照護(hù)數(shù)據(jù)、護(hù)理記錄頻次等，最終確定16 項(xiàng)核心關(guān)鍵健康與服務(wù)記錄指標(biāo)， 將選擇指標(biāo)與三級指標(biāo)進(jìn)行相關(guān)性分析，最后確定評估項(xiàng)目包括3 個(gè)一級指標(biāo)，5 個(gè)二級指標(biāo)，9 個(gè)三級指標(biāo)，見表1。 其核心關(guān)鍵健康、服務(wù)記錄數(shù)據(jù)與9 個(gè)三級指標(biāo)相關(guān)性詳見表2。

表1 最終納入評定表

表2 相關(guān)性分析

1.3 調(diào)查方法

在2020 年3—9 月由經(jīng)過系統(tǒng)培訓(xùn)的專業(yè)護(hù)理人員對調(diào)查對象進(jìn)行現(xiàn)場評估，填寫調(diào)查表，若調(diào)查對象不能自己獨(dú)立完成，可在陪護(hù)幫助下協(xié)助老年對象完成，完成后利用人工智能輔助平臺后自動保存。

1.4 統(tǒng)計(jì)方法

1.4.1 模型總分計(jì)算方法 （1）指標(biāo)分值標(biāo)準(zhǔn)化。 指標(biāo)池選擇的三級指標(biāo)量表有各自的評分規(guī)則，為保證不同單位和不同方向的量表指標(biāo)有可比性，研究通過線性插值公式對指標(biāo)分值進(jìn)行標(biāo)準(zhǔn)化處理，以消除各指標(biāo)量綱的影響[3]。指標(biāo)越好分值越高定義為高優(yōu)指標(biāo)，指標(biāo)越好分值越低定義為低優(yōu)指標(biāo)，分別用指標(biāo)修正公式進(jìn)行標(biāo)準(zhǔn)化及修正，χ正代表高優(yōu)指標(biāo)，使用公式①進(jìn)行標(biāo)準(zhǔn)化處理[4]。χ反代表低優(yōu)指標(biāo)，使用公式②進(jìn)行標(biāo)準(zhǔn)化及修正處理。χ 為該指標(biāo)實(shí)際數(shù)值，見表3。

（2）人工智能基礎(chǔ)生命數(shù)據(jù)采集和行為活動數(shù)據(jù)計(jì)算。 數(shù)據(jù)分為兩個(gè)部分，基礎(chǔ)生命數(shù)據(jù)采集定義為不需監(jiān)測，定期監(jiān)測和持續(xù)監(jiān)測，賦予分值為0、1、2 分，大小便護(hù)理、心理咨詢根據(jù)不需要，定期需要和每日需要，賦予分值為0、1、3 分，清潔護(hù)理、壓力性損傷護(hù)理、翻身護(hù)理根據(jù)護(hù)理頻次和強(qiáng)度分為0 分，1～14 分，各種管道護(hù)理根據(jù)有無分為0 分和4 分，其他完全需要護(hù)理人員參與的護(hù)理，根據(jù)有無分為0 分和5 分[5-6]。

1.4.2 基于聚類的經(jīng)驗(yàn)閾值法照護(hù)分級模型建立 （1）基于對偶法確定指標(biāo)權(quán)重值。矩陣對偶法通過專家調(diào)查的各個(gè)指標(biāo)進(jìn)行兩兩比較，基于兩兩比較的重要程度，來獲得所計(jì)算各項(xiàng)指標(biāo)的優(yōu)先順序，以及各項(xiàng)指標(biāo)的相對權(quán)重，由于常規(guī)的矩陣運(yùn)算求解計(jì)算方式相對復(fù)雜，因此研究基于改進(jìn)型的矩陣對偶法來計(jì)算相關(guān)的指標(biāo)權(quán)重[7]。該文的專家調(diào)查表中，對相關(guān)指標(biāo)的兩兩比較判斷的等級依次分為，明顯不重要、稍微不重要、同等重要、稍微重要、明顯重要等5 個(gè)判斷依據(jù)，基于對偶法計(jì)算指標(biāo)權(quán)重的具體步驟如下。

①專家調(diào)查咨詢表中，獲得兩兩指標(biāo)比較的相對重要等級，權(quán)數(shù)調(diào)查表中的指標(biāo)相對重要等級，如甲比乙明顯重要，調(diào)查表需要嚴(yán)格按照比較順序進(jìn)行，比較順序不能隨意更改，每次將兩個(gè)指標(biāo)進(jìn)行比較后，按照上表中比較前項(xiàng)和后項(xiàng)的標(biāo)記，給各項(xiàng)指標(biāo)記分并將分?jǐn)?shù)記在上面表格樣式的空白表格中，同時(shí)記上配對比較時(shí)另一項(xiàng)指標(biāo)的相應(yīng)評分。

②采樣矩陣對偶法計(jì)分方法，對前述調(diào)查表中的重要等級進(jìn)行評分，如甲比乙明顯重要，則甲計(jì)分為4 分，如果同等重要，則甲計(jì)分為2 分。

③基于多個(gè)專家的按列統(tǒng)計(jì)各指標(biāo)分值，將各指標(biāo)得分求和并作歸一化處理。 按列填上各指標(biāo)權(quán)重。 若有兩位以上的專家參與確定權(quán)重，則將各專家對各指標(biāo)的權(quán)重分別求和再取其平均值。

（2）照護(hù)指數(shù)。 運(yùn)用綜合評分法中的加權(quán)法累計(jì)各三級指標(biāo)標(biāo)準(zhǔn)化值加權(quán)后的總分，運(yùn)用最終模型計(jì)算總分作為分類變量，結(jié)合Pearson 顯著性相關(guān)檢驗(yàn)，計(jì)算對應(yīng)指標(biāo)相關(guān)特征，計(jì)算獲得老人照護(hù)指數(shù)。首先結(jié)合人工智能采集的基礎(chǔ)生命數(shù)據(jù)和行為活動數(shù)據(jù)得分，獲得相關(guān)三級指標(biāo)量表評分，然后基于9 個(gè)三級指標(biāo)，計(jì)算5個(gè)二級指標(biāo)，最后基于5 個(gè)二級指標(biāo)，計(jì)算3 個(gè)一級指標(biāo)，最終得到老人照護(hù)指數(shù)[8]。 根據(jù)實(shí)際使用需求最后將原始總分加以常數(shù)轉(zhuǎn)換為百分制，得分為0～100 分。 分值越高，老人需求護(hù)理等級越高。 照護(hù)指數(shù)計(jì)算公式見③。

Y 總=0.1616×A1+0.1685×A2+0.0353×A3+0.1921×B1+0.0236×B2+0.0272×B3+0.0200×B4+0.1644×C1+0.7073×C2③

（3）照護(hù)分級模型。運(yùn)用聚類分析，以最終得到的老人照護(hù)指數(shù)作為分類變量進(jìn)行方差齊性檢驗(yàn)，若方差齊則進(jìn)行方差分析，P＞0.1 表示方差齊， 可進(jìn)行方差分析，P＜0.05 為差異有統(tǒng)計(jì)學(xué)意義。

2 結(jié)果

2.1 指標(biāo)分值標(biāo)準(zhǔn)化

在量表分?jǐn)?shù)調(diào)查表中，9 個(gè)調(diào)查量表的得分最大值、最小值具有差異性，同時(shí)部分評分表分值越高效果越差，因此對此類數(shù)據(jù)進(jìn)行校正，量表最大值、最小值及校正參數(shù)見表3。

表3 調(diào)查量表評分及修正示意表

2.2 權(quán)重系數(shù)及重要性排名

基于矩陣對偶法計(jì)算一級、二級、三級指標(biāo)權(quán)重?cái)?shù)值，并進(jìn)行重要性排序，見表4。

表4 各級指標(biāo)的權(quán)重系數(shù)及重要性排名

聚類分析樹狀圖結(jié)果顯示，組內(nèi)聯(lián)接法聚類結(jié)果較為理想，組內(nèi)距離較小。均控制在8 次迭代之內(nèi)，而組間距離非常大，均在10 次迭代以上，考慮分為5 類。方差齊性檢驗(yàn)結(jié)果顯示Levene 統(tǒng)計(jì)量=1.993，P=0.221（P＞0.1），5類均值間差異有統(tǒng)計(jì)學(xué)意義（P＜0.05），見表5；同時(shí)，SNK 多重比較結(jié)果顯示，任兩類間均值差異有統(tǒng)計(jì)學(xué)意義（P＜0.05）。 具體分級指標(biāo)閾值見表5。

表5 照護(hù)等級經(jīng)驗(yàn)閾值

2.3 數(shù)據(jù)再驗(yàn)證分級

重新將持續(xù)監(jiān)測207 d 的22 名老人數(shù)據(jù)代入計(jì)算，基于聚類算法結(jié)合經(jīng)驗(yàn)閾值計(jì)算模型分類準(zhǔn)確性為90.9%。 見表6。

表6 實(shí)際分級結(jié)果驗(yàn)證

3 討論

3.1 基于量表和人工智能采集的基礎(chǔ)生命數(shù)據(jù)和行為活動數(shù)據(jù)的老人照護(hù)分級模型

該研究的分級模型是基于成熟量表和人工智能采集的基礎(chǔ)生命數(shù)據(jù)和行為活動數(shù)據(jù)計(jì)算上的。研究在前期階段通過大量文獻(xiàn)查閱、理論研究、質(zhì)性訪談、問卷調(diào)查、專家函詢等多種方式建立起初級評估指標(biāo)池，包括3 個(gè)一級指標(biāo)，4 個(gè)二級指標(biāo)，9 個(gè)三級指標(biāo)，再此基礎(chǔ)上，確保這些指標(biāo)均符合客觀實(shí)際應(yīng)用。 與既往研究分級照護(hù)標(biāo)準(zhǔn)的研究課題相比，該研究通過納入了基于人工智能采集的基礎(chǔ)生命數(shù)據(jù)和行為活動數(shù)據(jù)，在指標(biāo)池建立的過程中減少了量表和相應(yīng)指標(biāo)的納入量，極大減少了老人照護(hù)的工作量。前期研究通過分析也證實(shí)，該研究3 個(gè)一級指標(biāo)內(nèi)在同質(zhì)性良好，各條目具有較好同源性。兩輪專家函詢相關(guān)性系數(shù)高，重復(fù)測信度效果好[9]。由此可見，該研究從最初條目池的制訂到形成最終的二級指標(biāo)和三級指標(biāo)，每一步都是充分結(jié)合了養(yǎng)老照護(hù)專家的意見，并充分考慮其專業(yè)背景、知識構(gòu)架，進(jìn)一步通過統(tǒng)計(jì)學(xué)分析嚴(yán)格評價(jià)入選專家的標(biāo)準(zhǔn)和嚴(yán)格性，保證整個(gè)研究從理論構(gòu)建到條目取舍選擇都有較強(qiáng)的邏輯支撐，確保了整個(gè)指標(biāo)池的科學(xué)性[10]。

人工智能采集數(shù)據(jù)包含了基礎(chǔ)生命數(shù)據(jù)和行為活動數(shù)據(jù)，在行為數(shù)據(jù)監(jiān)測中，最終通過相關(guān)性分析選擇16 項(xiàng)最影響照護(hù)分級的指標(biāo)，這些指標(biāo)都有較好的實(shí)際應(yīng)用性。比如大小便管理、翻身次數(shù)、口服藥物護(hù)理?xiàng)l目上監(jiān)測顯示勞動強(qiáng)度大，反映了大部分需要照護(hù)老人的醫(yī)療護(hù)理內(nèi)容[11]；而輸液管理，管道護(hù)理等反映了臨床最為常見的醫(yī)療護(hù)理?xiàng)l目；而生命體征的監(jiān)測反映了臨床上最常見的醫(yī)療護(hù)理內(nèi)容。這充分考慮了[12-13]：①照護(hù)內(nèi)容的制訂要從臨床實(shí)際出發(fā)，針對不同老人具體的護(hù)理內(nèi)容可能千差萬別，因此，具體護(hù)理?xiàng)l目多少以及照護(hù)強(qiáng)度均應(yīng)作為照護(hù)分級考慮的重要依據(jù)；②長期照護(hù)過程中，老人需要照護(hù)的不僅是疾病本身，更多的是在疾病發(fā)展到一定過程或程度后所表現(xiàn)出的癥狀表現(xiàn)，而這種表現(xiàn)不僅存在于軀體，更表現(xiàn)在精神、情緒相關(guān)的改變上，指標(biāo)的選擇中涉及情緒、心情的變化，涉及精神和認(rèn)知的能力問題也會極大影響照護(hù)的強(qiáng)度；由此可見，該研究入選的指標(biāo)從內(nèi)容結(jié)構(gòu)上均可以用專業(yè)知識合理進(jìn)行歸類和分析，具有較強(qiáng)的實(shí)用性和邏輯性。

3.2 分級標(biāo)準(zhǔn)的建立

在養(yǎng)老機(jī)構(gòu)老年人健康問題和照護(hù)需求多樣化的情況下，不同能力等級老年人的照護(hù)需求有不同的特點(diǎn)。但目前現(xiàn)階段我國大部分養(yǎng)老機(jī)構(gòu)的服務(wù)主要集中于給老人提供飲食、起居等最基本的生活服務(wù)需求，而在專業(yè)理療護(hù)理、精神慰藉、康復(fù)健康咨詢等方面存在空白[14]。 通過分級標(biāo)準(zhǔn)，能夠給予不同能力和養(yǎng)老需求的老人提供更加全面的醫(yī)養(yǎng)結(jié)合型養(yǎng)老模式，應(yīng)該是未來工作的重點(diǎn)?；陴B(yǎng)老機(jī)構(gòu)的老人評估應(yīng)該是以人為中心的綜合評估模式，重點(diǎn)關(guān)注老年人的醫(yī)學(xué)、心理學(xué)和社會學(xué)、軀體功能狀況和生活質(zhì)量等多方面問題。 通過研究的分級，結(jié)合人工智能平臺數(shù)據(jù)的采集，能夠確保實(shí)行一個(gè)全人、全程的連續(xù)性管理，通過全面的評估和分級能為老人提供一個(gè)綜合性養(yǎng)老照護(hù)方案。這個(gè)方案包括預(yù)防保健、疾病診療、精神慰藉、康復(fù)護(hù)理和長期隨訪[15-16]。在該研究中，通過照護(hù)分級能夠精確地評估出不同級別老人的照護(hù)需求和等級。能力完好的老人由于自理和認(rèn)知狀況完好，而平臺監(jiān)測到的行為問題為吸煙和酗酒，針對這類老人，等級照護(hù)重點(diǎn)就可以傾向于慢性病宣教，協(xié)助改變不良生活習(xí)慣，提高生活質(zhì)量；輕度失能老年人軀體問題不明顯，主要存在日常生活活動能力和心理社會等問題，需要在照護(hù)中密切觀察心理變化情況，定期使用量表評估，安排相應(yīng)的心理咨詢和健康服務(wù)；中度和重度失能老年人的主要問題為日常生活活動能力受限和疾病本身造成的癥狀影響患者的生存質(zhì)量，需要為其提供日常生活照料和醫(yī)療護(hù)理服務(wù)，其照護(hù)分級因?yàn)樵u估內(nèi)容的偏向和護(hù)理項(xiàng)目的增加和強(qiáng)度的提高綜合考慮分級也相應(yīng)提高。通過對養(yǎng)老機(jī)構(gòu)老年人健康狀況和護(hù)理需求的調(diào)查，結(jié)合人工智能平臺采集的連續(xù)性生命體征數(shù)據(jù)和行為活動數(shù)據(jù)，得出不同能力等級老年人在護(hù)理服務(wù)內(nèi)容上的不同需求，其意義和價(jià)值體現(xiàn)在[17]：①為政府出臺政策規(guī)定和制訂護(hù)理計(jì)劃提供參考；②為合理分配衛(wèi)生資源提供依據(jù)，避免資源浪費(fèi)；③輔助機(jī)構(gòu)照護(hù)管理工作，為護(hù)理人員的分層管理提供依據(jù)；④為制訂長期護(hù)理險(xiǎn)的賠付標(biāo)準(zhǔn)提供依據(jù)。

3.3 物聯(lián)網(wǎng)—大數(shù)據(jù)平臺對照護(hù)分級制定的積極作用

該研究所使用的基于人工智能的“物聯(lián)網(wǎng)＋大數(shù)據(jù)”養(yǎng)老照護(hù)平臺是一個(gè)綜合性的信息聚合平臺，也是一個(gè)開放式的能力共享平臺，在該研究中，平臺跨領(lǐng)域地接入物聯(lián)傳感設(shè)備，實(shí)時(shí)采集基礎(chǔ)數(shù)據(jù)和行為數(shù)據(jù)，另一方面平臺對多元信息進(jìn)行清洗、融合和存儲，通過與評估量表相結(jié)合，充分挖掘分析和基于神經(jīng)網(wǎng)絡(luò)的機(jī)器學(xué)習(xí)，幫助照護(hù)人員進(jìn)行照護(hù)分級標(biāo)準(zhǔn)的制訂。 平臺將面向養(yǎng)老服務(wù)機(jī)構(gòu)提供實(shí)時(shí)性、移動性、綜合性特征的泛在信息，以及基于這些信息融合產(chǎn)生的照護(hù)內(nèi)容，確定照護(hù)強(qiáng)度，使老人能夠獲得更個(gè)性化、智能化、主動化的服務(wù)，也幫助養(yǎng)老機(jī)構(gòu)細(xì)分養(yǎng)老照護(hù)市場，方便開展新的業(yè)務(wù)品類[18]。 這些智慧養(yǎng)老服務(wù)建立在信息、數(shù)據(jù)和知識的基礎(chǔ)上，是信息整合、歸納、分析之上的知識升華。在物聯(lián)網(wǎng)和大數(shù)據(jù)的共同支持下，機(jī)構(gòu)在平臺上能為老人提供快速、準(zhǔn)確、及時(shí)、有效、智慧化、綜合性的服務(wù)，為養(yǎng)老服務(wù)機(jī)構(gòu)提供可供快速部署和高效管理的智能應(yīng)用系統(tǒng)，為政府管理部門提供制定發(fā)展規(guī)劃和應(yīng)急響應(yīng)決策的依據(jù)。

3.4 照護(hù)分級模型的應(yīng)用

通過該分級標(biāo)準(zhǔn)的制訂，能夠用來區(qū)分“一般”老人和真正有護(hù)理需求的老人，同時(shí)通過該分級的使用，將真正有照護(hù)需求的老人進(jìn)行適當(dāng)?shù)姆旨墶?前期研究顯示，在對老人的自我照護(hù)需求評估的過程中，有近一半老人認(rèn)為自己是需要照護(hù)的，而實(shí)際情況證實(shí)，這種照護(hù)的需求被大大高估了。通過該分級標(biāo)準(zhǔn)，讓老人在接受護(hù)理照護(hù)之前，對其健康狀況和護(hù)理需求進(jìn)行全面的評估，充分了解老人是否需要照護(hù)，如果需要照護(hù)應(yīng)該接受哪方面的護(hù)理照護(hù)、是否需要醫(yī)療介入，生活服務(wù)需求是哪些，明確各自的照護(hù)需求和照護(hù)強(qiáng)度，有助于設(shè)定合理的護(hù)理服務(wù)項(xiàng)目和服務(wù)標(biāo)準(zhǔn)，減少不必要的護(hù)理資源投入，提高服務(wù)質(zhì)量。對老人的照護(hù)分級應(yīng)該也是動態(tài)的，老人在接受照護(hù)后，能夠通過該分級標(biāo)準(zhǔn)對老人的健康狀況和護(hù)理需求重新進(jìn)行評估，可以為評價(jià)護(hù)理服務(wù)質(zhì)量，改進(jìn)照護(hù)內(nèi)容，提高照護(hù)質(zhì)量提供科學(xué)、客觀的數(shù)據(jù)支持。

對老人照護(hù)進(jìn)行全面的評估和護(hù)理標(biāo)準(zhǔn)分級，也是建立老人照護(hù)保險(xiǎn)的基礎(chǔ)工作和關(guān)鍵保證之一。對于老人護(hù)理的全面綜合性評估和標(biāo)準(zhǔn)化分級是一項(xiàng)十分重要的工作。 老人護(hù)理涉及到軀體、心理和生活自理3 個(gè)層面，護(hù)理內(nèi)容相應(yīng)也要涉及到生活服務(wù)、護(hù)理服務(wù)和醫(yī)療服務(wù)。借助平臺記錄的照護(hù)需求評級結(jié)果確定服務(wù)內(nèi)容、服務(wù)質(zhì)量和服務(wù)效果，從而確定合理的給付標(biāo)準(zhǔn)，幫助保險(xiǎn)方依據(jù)照護(hù)等級支付相應(yīng)費(fèi)用，也可以通過照護(hù)需求評估確定照護(hù)者所需繳納保險(xiǎn)費(fèi)用，促進(jìn)老年保險(xiǎn)的可持續(xù)化發(fā)展[19]。

綜上所述，基于人工智能的輔助，研究完成了養(yǎng)老照護(hù)需求評估的項(xiàng)目池構(gòu)建和分級標(biāo)準(zhǔn)構(gòu)建，但該研究仍有不足之處：①在查找文獻(xiàn)的過程中，研究發(fā)現(xiàn)各國對于老人照護(hù)標(biāo)準(zhǔn)制訂背景不同，因此，各國的標(biāo)準(zhǔn)也不盡相同，查閱的文獻(xiàn)大多都是簡單的分級，缺乏對分級當(dāng)時(shí)的詳細(xì)描述，因此，該研究未將自己的分級模型與國外的分級模型進(jìn)行比較。但該研究在建立模型后進(jìn)行了實(shí)踐工作的檢驗(yàn)，部分彌補(bǔ)了模型建立的不足；②該研究涉及的樣本量較小，可能在統(tǒng)計(jì)上不能完全控制在模型建立中的人為偏倚。在文獻(xiàn)查閱、專家咨詢、統(tǒng)計(jì)分析中都有可能存在一定的誤差不能消除。 因此，模型還需要更多實(shí)踐檢驗(yàn)，以達(dá)到不斷修正和完善。