基于知識圖譜的機器人輔助肺癌切除術(shù)多元化康復管理

摘 要 目的：分析基于知識圖譜的圍手術(shù)期多元化康復管理在達芬奇機器人輔助肺癌切除術(shù)中的應(yīng)用。方法：選取2021年2月—2024年2月在同濟大學附屬上海市肺科醫(yī)院擬行達芬奇機器人輔助肺癌切除術(shù)的118例患者，采用隨機數(shù)字表法將其分為試驗組（n=59，基于知識圖譜的圍手術(shù)期多元化康復管理干預(yù)）和對照組（n=59，常規(guī)干預(yù)）。比較兩組患者臨床指標、疼痛視覺模擬（VAS）評分、負性情緒[焦慮自評量表（SAS）、抑郁自評量表（SDS）]及疾病認知評分。結(jié)果：較對照組而言，試驗組術(shù)后臥床時間、排氣時間、胸管滯留時間、抗生素應(yīng)用時間、整體住院時間更短（Plt;0.05）。術(shù)后1 d、3 d，試驗組的VAS評分均較對照組明顯更低，術(shù)后3 d、5 d，試驗組的SAS、SDS評分均較對照組更低（Plt;0.05）。干預(yù)后試驗組各項評分及總分更高（Plt;0.05）。結(jié)論：基于知識圖譜的圍手術(shù)期多元化康復管理可顯著提高達芬奇機器人輔助肺癌切除術(shù)患者康復效率，改善疼痛與負性情緒，增加患者對疾病了解程度。

關(guān)鍵詞 機器人輔助手術(shù)；肺癌根治術(shù)；知識圖譜；多元化康復管理

中圖分類號 R608 R734.2 文獻標識碼 A 文章編號 2096-7721（2024）06-1225-06

Diversified rehabilitation management in robot-assisted lung resection based on knowledge graph

JIANG Huan， LIU Jing

（Department of Thoracic Surgery， Shanghai Pulmonary Hospital Affiliated to Tongji University， Shanghai 200433， China）

Abstract Objective： To analyze the application effect of diversified rehabilitation nursing in the perioperative period of Da Vinci robot-assisted lung resection based on knowledge graph. Methods： A total of 118 lung cancer patients who underwent Da Vinci robot-assisted lung resection in Shanghai Pulmonary hospital from February 2021 to February 2024 were selected. They were divided into the experimental group （n=59） and the control group （n=59）. The experimental group received diversified rehabilitation management based on knowledge graph， while the control group received routine nursing intervention. Clinical indicators， visual analogue scale （VAS） score， self-rating anxiety scale （SAS） score， self-rating depression scale （SDS） score and disease cognitive score of patients in the two groups were compared. Results： Compared with the control group， time in bed after surgery， first time to exhaust， chest tube retention time， antibiotic using time and length of hospital stay in the experimental group were shorter （Plt;0.05）. VAS scores of the experimental group were significantly lower than those of the control group 1 and 3 days after surgery， SAS and SDS scores of the experimental group were lower than those of the control group 3 and 5 days after surgery （Plt;0.05）. After intervention， different scores and total scores of the experimental group were higher than those of the control group （Plt;0.05）. Conclusion： Diversified rehabilitation management based on knowledge graph in the perioperative period of robot-assisted lung resection can significantly improve the rehabilitation efficiency of patients， lower pain level， improve negative emotions， and increase their cognitive level on the disease.

Key words Robot-assisted Surgery; Radical Resection of Lung Cancer; Knowledge Graph; Diversified Rehabilitation management

近年來，達芬奇機器人手術(shù)系統(tǒng)以其高精度、微創(chuàng)傷的優(yōu)勢，在肺癌切除術(shù)中展現(xiàn)出顯著效果[1-2]。然而，這種先進的手術(shù)方式也為圍手術(shù)期護理帶來了新的挑戰(zhàn)和特殊性。達芬奇機器人手術(shù)系統(tǒng)通過高精度的機械臂進行手術(shù)操作，這要求護理人員對手術(shù)過程有深入的了解，以便在術(shù)后能夠提供更精準的護理以確保手術(shù)效果。同時，相較于常規(guī)腔鏡手術(shù)，機器人輔助手術(shù)的切口更小、術(shù)后恢復更快，這就需要護理人員為患者提供更為細致的康復指導，幫助其更快地恢復到最佳狀態(tài)[3-4]。在常規(guī)護理中，大量的患者信息和護理數(shù)據(jù)需要人工處理，這不僅效率低下，而且容易出錯，在行達芬奇機器人輔助肺癌切除術(shù)的患者中存在一定應(yīng)用局限性。知識圖譜是一種基于圖的數(shù)據(jù)結(jié)構(gòu)，由節(jié)點和邊組成，表示實體及其相互關(guān)系。知識圖譜廣泛應(yīng)用于金融、醫(yī)療、公共安全等領(lǐng)域，助力智能化決策和高效檢索。在臨床中，基于知識圖譜的多元化康復管理模式能夠?qū)⒙樽韺W、外科手術(shù)、護理學等知識和技術(shù)相結(jié)合，為患者提供個性化的護理方案[5-7]。但截至目前，基于知識圖譜的多元化康復管理在達芬奇機器人輔助肺癌切除術(shù)領(lǐng)域中的應(yīng)用較為欠缺。本研究共納入118例患者，采用自底向上及自頂向下法搭建知識圖譜，并深入分析了基于知識圖譜的多元化康復管理應(yīng)用效果，以期為臨床提升醫(yī)療服務(wù)的質(zhì)量和效率提供參考。

1 資料與方法

1.1 一般資料 選取2021年2月—2024年2月

擬行達芬奇機器人輔助肺癌切除術(shù)的患者118例，采用隨機數(shù)表法將其分為試驗組（n=59）和對照組（n=59）。兩組患者的基線資料對比，差異無統(tǒng)計學意義（Pgt;0.05），見表1。納入標準：①患者入院后經(jīng)病理結(jié)果明確診斷為肺癌；②年齡在18周歲以上；③于本院擬行達芬奇機器人輔助肺癌切除術(shù)，符合手術(shù)指征；④對研究內(nèi)容了解充分，知曉利弊，完成知情同意書簽署。排除標準：①合并認知功能障礙，存在精神疾??；②合并溝通障礙或視聽障礙，無法配合完成臨床管理；③合并其他惡性腫瘤；④預(yù)計生存時間在3個月以內(nèi)；⑤存在軀體性疾病。本研究已獲醫(yī)院倫理委員會審批。

1.2 方法

1.2.1 對照組 采用常規(guī)圍手術(shù)期干預(yù)，具體方法如下。術(shù)前進行常規(guī)胃腸道準備，向患者講解手術(shù)及其重要性。術(shù)后密切監(jiān)測生命體征及血氧飽和度，加強術(shù)后營養(yǎng)。囑咐有效咳嗽，指導患肢功能鍛煉，促進康復。給予自控鎮(zhèn)痛泵止痛，確保舒適度。鼓勵積極面對手術(shù)，保證充足睡眠，出院前提供詳細指導。

1.2.2 試驗組 采用基于知識圖譜的圍手術(shù)期多元化康復管理干預(yù)，具體方法如下。選擇權(quán)威醫(yī)學數(shù)據(jù)庫，如PubMed、Medline等，針對達芬奇機器人輔助肺癌切除術(shù)圍手術(shù)期護理進行主題詞檢索。應(yīng)用循證實踐方法和GRADE證據(jù)等級，對檢索到的文獻進行評價和證據(jù)分級?；谘C證據(jù)，通過文本挖掘處理和分析文獻數(shù)據(jù)，提取關(guān)鍵詞、實體和關(guān)系，構(gòu)建知識圖譜（如圖1），根據(jù)圖譜開展干預(yù)方案（見表2）。

1.3 觀察指標 ①臨床指標：記錄患者手術(shù)時間、術(shù)中出血量、術(shù)后臥床時間、排氣時間、胸管滯留時間、抗生素應(yīng)用時間、整體住院時間。②疼痛視覺模擬（Visual Analogue Scale，VAS）[8]：于術(shù)前、術(shù)后1 d、術(shù)后3 d評估，分數(shù)為0～10分，疼痛程度與分數(shù)正向變化。③負性情緒指標：于術(shù)前、術(shù)后3 d、術(shù)后5 d評估，采用焦慮自評量表（Self-rating Anxiety Scale，SAS）[9]、抑郁自評量表（Self-rating Depression Scale，SDS）[10]進行評估。SAS量表包含20個項目，每個項目采用4級評分制度（例如“從不”“偶爾”“經(jīng)?！薄皫缀蹩偸恰保?，分數(shù)范圍為20～80分。SDS量表包含20個項目，采用4級評分制度，分數(shù)范圍為20～80分。焦慮與抑郁程度與分數(shù)呈正向變化。④疾病認知評分：于干預(yù)前、干預(yù)后評估，采用科室疾病認知問卷進行評估，問卷含疾病知識（20分）、疾病危害（20分）、疾病防治（20分）、自我管理（20分）4個維度，總分80分，分數(shù)與疾病認知情況正向變化。

1.4 統(tǒng)計學方法 所有數(shù)據(jù)采用SPSS 22.0統(tǒng)計學軟件進行分析，計數(shù)資料用例數(shù)（百分比）[n（%）]表示，進行 χ2檢驗；符合正態(tài)分布的計量資料用均數(shù)±標準差（x±s）表示，行獨立樣本t檢驗，兩組多時點的數(shù)據(jù)比較采用重復測量方差分析，以Plt;0.05為差異具有統(tǒng)計學意義。繪圖用GraphPad Prism 8軟件。

2 結(jié)果

2.1 臨床指標 兩組患者手術(shù)時間、術(shù)中出血量比較，差異無統(tǒng)計學意義（Pgt;0.05）。與對照組相比，試驗組術(shù)后臥床時間、排氣時間、胸管滯留時間、抗生素應(yīng)用時間、整體住院時間更短，差異具有統(tǒng)計學意義（Plt;0.05），見表3。

2.2 疼痛情況 兩組患者VAS評分F時點、F交互、F組間比較，差異具有統(tǒng)計學意義（Plt;0.05）。與對照組相比，術(shù)后1 d、3 d試驗組的VAS評分更低，差異具有統(tǒng)計學意義（Plt;0.05），見表4。

2.3 負性情緒 兩組患者SAS評分、SDS評分 F時點、F交互、F組間比較，差異具有統(tǒng)計學意義（Plt;0.05）。試驗組患者SAS評分、SDS評分改善情況均優(yōu)于對照組，術(shù)后3 d、5 d試驗組患者的SAS評分、SDS評分均低于對照組，差異具有統(tǒng)計學意義（Plt;0.05），見表5。

2.4 疾病認知評分 干預(yù)前兩組患者疾病知識、疾病危害、疾病防治、自我管理、總分比較，差異無統(tǒng)計學意義（Pgt;0.05）。干預(yù)后試驗組患者各項評分及總分均高于對照組，差異具有統(tǒng)計學意義（Plt;0.05），見表6。

3 討論

達芬奇機器人手術(shù)系統(tǒng)以其高精度、微創(chuàng)的特點，在肺癌切除術(shù)中得到了廣泛的應(yīng)用[11]。相比傳統(tǒng)的手術(shù)方式，它能夠減少手術(shù)創(chuàng)傷，提高手術(shù)精度，從而有助于患者快速恢復[12]。然而，作為一種創(chuàng)傷性手術(shù)，達芬奇機器人輔助肺癌切除術(shù)仍然會對患者造成一定程度的損傷，因此圍手術(shù)期的康復護理顯得尤為重要。圍手術(shù)期是患者手術(shù)前后的重要時期，也是康復護理的關(guān)鍵階段[13]。基于知識圖譜的多元化康復護理模式能夠?qū)⒒颊叩母鞣N信息、手術(shù)過程、康復計劃等有機地融合在一起，提供更加全面、系統(tǒng)的護理服務(wù)[14]。范容等人[15]發(fā)現(xiàn)基于知識圖譜的管理方案能夠促進圍手術(shù)期患者的疾病認知，提高患者治療依從性。孫高紅等人[16]發(fā)現(xiàn)，多元化康復護理在惡性腫瘤患者圍手術(shù)期護理指導中效果顯著，這說明基于知識圖譜以及多元化康復管理在圍手術(shù)期患者中的應(yīng)用效果確切。

在本研究中，與對照組比較，試驗組患者術(shù)后康復效率更高，分析原因在于基于知識圖譜的管理模式能夠根據(jù)患者的個體情況，制定更為精準的圍手術(shù)期管理方案。這種個性化的管理策略有助于針對性地解決患者的具體問題，從而提高康復效率。同時，該模式利用知識圖譜對康復過程進行全面分析，為患者提供科學的康復指導。這有助于患者恢復身體功能，縮短臥床時間和整體住院時間[17-18]。通過知識圖譜對術(shù)后護理流程進行優(yōu)化，可以更有效地管理患者的疼痛和不適，降低并發(fā)癥的風險，從而縮短排氣時間、胸管滯留時間和抗生素應(yīng)用時間[19]。此外，知識圖譜能夠整合并分析大量醫(yī)療數(shù)據(jù)，為醫(yī)生提供決策支持。這使得醫(yī)生能夠更準確地評估患者的恢復情況，及時調(diào)整治療方案，進一步加速患者的康復進程。

從疼痛情況和心理狀態(tài)來看，試驗組患者的VAS評分明顯低于對照組，試驗組SAS評分、SDS評分改善情況均優(yōu)于對照組，術(shù)后3 d、5 d，試驗組的SAS評分、SDS評分均低于對照組，說明該模式對患者術(shù)后疼痛及負性情緒改善較好。這可能是因為知識圖譜能夠系統(tǒng)地整合醫(yī)療領(lǐng)域的知識，包括疼痛管理、心理干預(yù)等多方面的內(nèi)容。這使得醫(yī)療團隊能夠根據(jù)患者的具體情況，精準地制定康復計劃，從而更有效地控制術(shù)后疼痛。該模式不僅關(guān)注患者的生理康復，還注重心理康復[20-21]。通過多元化的康復手段，如心理疏導、疼痛控制技巧等，全方位的照顧到患者的需求，進而減輕其負面情

緒[22]。利用知識圖譜，醫(yī)療團隊可以為患者制定個性化的治療方案，這種方案更加符合患者的實際情況和需求，有助于提高患者的滿意度和康復信心，進而減輕焦慮和抑郁情緒。最后，基于知識圖譜的管理模式還便于醫(yī)療團隊與患者之間進行及時有效的溝通。醫(yī)療團隊能夠根據(jù)圖譜向患者詳細解釋康復過程中的各個階段可能遇到的問題，從而增強患者的理解和信任，降低其不安和恐懼感[23]。此外，從患者疾病認知情況來看，干預(yù)后試驗組患者疾病認知各項評分及總分更高，這可能是因為試驗組患者接受了更全面的護理干預(yù)，這不僅包括對身體的治療和護理，還可能包括對患者進行疾病知識教育、心理支持和康復指導等。這種綜合護理干預(yù)可以幫助患者更好地了解和管理自己的疾病，從而提高其疾病認知評分。試驗組患者在研究過程中可能獲得了更多關(guān)于其疾病的信息和教育資源。這些信息和資源使患者能夠更深入地了解疾病的性質(zhì)、治療方案、預(yù)期效果等，進而提升他們對疾病的認知[24]。同時，試驗組患者可能接受了更頻繁的評估和反饋，這有助于他們及時了解自己的疾病狀況和治療進展，并根據(jù)反饋調(diào)整自己的行為和態(tài)度。這種頻繁的評估和反饋機制可以促進患者對疾病的認知和理解。綜上所述，基于知識圖譜的圍手術(shù)期多元化康復管理可顯著提高達芬奇機器人輔助肺癌切除術(shù)患者的康復效率，改善其疼痛與負性情緒，增加對疾病了解程度。

利益沖突聲明：本文不存在任何利益沖突。

作者貢獻聲明：姜歡、劉菁均負責設(shè)計論文框架，起草論文，操作實驗，實施研究過程，論文修改，收集數(shù)據(jù)，統(tǒng)計學分析，繪制圖表，擬定寫作思路，指導撰寫文章并最后定稿。

參考文獻

[1] 白向豆， 曾偉強， 崔百強， 等. 達芬奇機器人手術(shù)系統(tǒng)三孔與四孔入路在肺癌根治術(shù)圍手術(shù)期中的療效對比[J]. 機器人外科學雜志（中英文）， 2023， 4（3）： 214-219.

[2] Moonsamy P， Park B. Uniportal Robotic Lung Resection Techniques[J]. Thorac Surg Clin， 2023， 33（3）： 283-289.

[3] Patel P P， Duong D K， Mahajan A K， et al. Single Setting Robotic Lung Nodule Diagnosis and Resection[J]. Thorac Surg Clin， 2023， 33（3）： 233-244.

[4] Mattioni G， Palleschi A， Mendogni P， et al. Approaches and outcomes of Robotic-Assisted Thoracic Surgery （RATS） for lung cancer： a narrative review[J]. J Robot Surg， 2023， 17（3）： 797-809.

[5] 趙漢青. 中醫(yī)藥知識圖譜研究述評[J]. 中國數(shù)字醫(yī)學， 2023， 18（8）： 102-107.

[6] 李幼梅， 艾軍， 鄒孟龍， 等. 國內(nèi)近十年銀翹散應(yīng)用研究知識圖譜分析[J]. 西部中醫(yī)藥， 2024， 37（1）： 65-69.

[7] 汪倩， 趙春月， 趙筱卓. 以結(jié)局為導向的多元化康復護理對大面積燒傷患者創(chuàng)面愈合和外觀接受度的影響[J]. 中國美容醫(yī)學， 2024， 33（2）： 162-166.

[8] ?str?m M， Thet Lwin Z M， Teni F S， et al. Use of the visual analogue scale for health state valuation： a scoping review[J]. Qual Life Res， 2023， 32（10）： 2719-2729.

[9] Lee S H， Shin C， Kim H， et al. Validation of the Korean version of the Generalized Anxiety Disorder 7 self-rating Scale[J]. Asia Pac Psychiatry， 2022， 14（1）： e12421.

[10] Glenn L E， Pepper C M. Reliability and Validity of the Self-Rating Scale as a Measure of Self-Criticism[J]. Assessment， 2023， 30（5）： 1557-1568.

[11] 冷敏敏， 孫月， 魯衛(wèi)華， 等. 失智照護領(lǐng)域知識圖譜的構(gòu)建[J]. 中華護理雜志， 2024， 59（4）： 432-438.

[12] Berzenji L， Wen W， Verleden S， et al. Minimally Invasive Surgery in Non-Small Cell Lung Cancer： Where Do We Stand？[J]. Cancers （Basel）， 2023， 15（17）： 4281.

[13] Ure?a A， Moreno C， Macia I， et al. A Comparison of Total Thoracoscopic and Robotic Surgery for Lung Cancer Lymphadenectomy[J]. Cancers （Basel）， 2023， 15（13）： 3442.

[14] 蔣彬， 熊剛， 魏巍， 等. 標準四孔與改良單操作孔達芬奇機器人手術(shù)在肺癌根治術(shù)中的近期療效比較[J]. 機器人外科學雜志（中英文）， 2022， 3（6）： 435-441.

[15] 范容， 翁麗娜， 儲小麗， 等. 基于知識圖譜的知信行模式護理干預(yù)在終末期腎病血液透析患者中的應(yīng)用[J]. 現(xiàn)代臨床護理， 2023， 22（8）： 48-55.

[16] 孫高紅. 結(jié)直腸癌手術(shù)患者圍手術(shù)期護理中多元化康復護理的應(yīng)用效果觀察[J]. 中國醫(yī)藥指南， 2021， 19（20）： 187-188.

[17] 任高， 張倫倫， 李冉， 等. 中醫(yī)不寐知識圖譜構(gòu)建與知識發(fā)現(xiàn)[J]. 湖南中醫(yī)藥大學學報， 2023， 43（9）： 1664-1671.

[18] 王玲兒. 老年脛骨平臺骨折的多元化康復護理效果分析[J]. 浙江臨床醫(yī)學， 2021， 23（3）： 431-432.

[19] 易洪芬， 陳昕羽， 彭涵， 等. 基于Citespace分析穴位埋線治療疼痛的知識圖譜[J]. 廣州中醫(yī)藥大學學報， 2024， 41（1）： 154-160.

[20] 王超. 基于知識圖譜的我國暴力傷醫(yī)事件成因分析[J]. 醫(yī)學與社會， 2024， 37（1）： 23-29.

[21] 郭薇， 卓冬硯. 多元化康復護理對胸腰椎骨質(zhì)疏松性骨折患者PKP術(shù)后恢復的影響[J]. 國際護理學雜志， 2024， 43（5）： 849-852.

[22] 王靜， 耿志雯， 劉麗. 多元化康復護理干預(yù)在股骨頸骨折微創(chuàng)全髖關(guān)節(jié)置換術(shù)圍術(shù)期中的應(yīng)用[J]. 中國傷殘醫(yī)學， 2023， 31（12）： 60-63.

[23] LIU T Y， SHEN H J， CHANG L， et al. Iterative heterogeneous graph learning for knowledge graph-based recommendation[J]. Sci Rep， 2023， 13（1）： 6987.

[24] YANG Y R， CHEN S S， ZHU Y P， et al. Knowledge graph empowerment from knowledge learning to graduation requirements achievement[J]. PLOS One， 2023， 18（10）： e0292903.

編輯：趙敏