目的基于结构方程模型分析预行动静脉内瘘手术患者自身血管保护行为的影响因素。方法于2020年3月至2022年3月选择某院预行动静脉内瘘手术患者166例作为研究对象,采用一般资料调查表、中文版预行动静脉内瘘术自我护理行为评估量表(scale ...目的基于结构方程模型分析预行动静脉内瘘手术患者自身血管保护行为的影响因素。方法于2020年3月至2022年3月选择某院预行动静脉内瘘手术患者166例作为研究对象,采用一般资料调查表、中文版预行动静脉内瘘术自我护理行为评估量表(scale of self-care behaviours anticipatory to creation of arteriovenous fistula,ASBAC-AVF)、社会支持评定量表进行调查,随后采用单因素、多元线性回归以及结构方程模型对预行动静脉内瘘手术患者自身血管保护行为的影响因素进行分析。结果166例预行动静脉内瘘手术患者中文版ASBAC-AVF量表为(11.94±2.73)分,社会支持评定量表总分为(43.45±11.21)分;单因素分析和多元线性回归分析结果显示,文化水平、自身血管保护相关健康宣教、居住地区、输液频次以及社会支持均是预行动静脉内瘘手术患者自身血管保护行为的影响因素,可解释其58.6%的变异(P<0.05);结构方程模型分析结果显示,自身血管保护相关健康宣教、输液频次以及社会支持直接影响预行动静脉内瘘手术患者自身血管保护行为(路径系数分别为0.312、0.226、0.402);文化水平和居住地区不但可以直接影响预行动静脉内瘘手术患者自身血管保护行为(路径系数分别为0.256、0.194),还可以通过社会支持的中介效应间接影响预行动静脉内瘘手术患者自身血管保护行为(路径系数分别为0.087、0.073)。结论预行动静脉内瘘手术患者自身血管保护行为受多种因素的影响,医务人员应对未参加自身血管保护相关健康宣教、输液频次低以及社会支持度低的预行动静脉内瘘手术患者进行干预,以提升其自身血管的保护能力。展开更多
针对含缺失数据的变量带误差(EIV)系统,直接利用协方差匹配(CM)算法进行辨识的精度有限,为此提出一种协方差匹配迭代(covariance matching based iterative,CMI)算法。首先基于不完整数据集,利用CM算法获得模型参数的初始估计,然后采用...针对含缺失数据的变量带误差(EIV)系统,直接利用协方差匹配(CM)算法进行辨识的精度有限,为此提出一种协方差匹配迭代(covariance matching based iterative,CMI)算法。首先基于不完整数据集,利用CM算法获得模型参数的初始估计,然后采用交互估计理论,利用获得的参数计算缺失输出数据的估计,重构得到完整的数据集后再进一步利用CM算法更新参数估计。两者执行了递阶计算过程,通过迭代辨识逐步提高参数估计精度。仿真结果表明,CMI算法的参数估计误差在输出数据缺失率达到60%时仍然能够保持在2%以下,且随输入端和输出端噪信比的变化速率仅为CM算法的16.8%和10.8%,验证了所提算法具有较高的辨识精度和良好的鲁棒性。展开更多
文摘目的基于结构方程模型分析预行动静脉内瘘手术患者自身血管保护行为的影响因素。方法于2020年3月至2022年3月选择某院预行动静脉内瘘手术患者166例作为研究对象,采用一般资料调查表、中文版预行动静脉内瘘术自我护理行为评估量表(scale of self-care behaviours anticipatory to creation of arteriovenous fistula,ASBAC-AVF)、社会支持评定量表进行调查,随后采用单因素、多元线性回归以及结构方程模型对预行动静脉内瘘手术患者自身血管保护行为的影响因素进行分析。结果166例预行动静脉内瘘手术患者中文版ASBAC-AVF量表为(11.94±2.73)分,社会支持评定量表总分为(43.45±11.21)分;单因素分析和多元线性回归分析结果显示,文化水平、自身血管保护相关健康宣教、居住地区、输液频次以及社会支持均是预行动静脉内瘘手术患者自身血管保护行为的影响因素,可解释其58.6%的变异(P<0.05);结构方程模型分析结果显示,自身血管保护相关健康宣教、输液频次以及社会支持直接影响预行动静脉内瘘手术患者自身血管保护行为(路径系数分别为0.312、0.226、0.402);文化水平和居住地区不但可以直接影响预行动静脉内瘘手术患者自身血管保护行为(路径系数分别为0.256、0.194),还可以通过社会支持的中介效应间接影响预行动静脉内瘘手术患者自身血管保护行为(路径系数分别为0.087、0.073)。结论预行动静脉内瘘手术患者自身血管保护行为受多种因素的影响,医务人员应对未参加自身血管保护相关健康宣教、输液频次低以及社会支持度低的预行动静脉内瘘手术患者进行干预,以提升其自身血管的保护能力。
文摘针对含缺失数据的变量带误差(EIV)系统,直接利用协方差匹配(CM)算法进行辨识的精度有限,为此提出一种协方差匹配迭代(covariance matching based iterative,CMI)算法。首先基于不完整数据集,利用CM算法获得模型参数的初始估计,然后采用交互估计理论,利用获得的参数计算缺失输出数据的估计,重构得到完整的数据集后再进一步利用CM算法更新参数估计。两者执行了递阶计算过程,通过迭代辨识逐步提高参数估计精度。仿真结果表明,CMI算法的参数估计误差在输出数据缺失率达到60%时仍然能够保持在2%以下,且随输入端和输出端噪信比的变化速率仅为CM算法的16.8%和10.8%,验证了所提算法具有较高的辨识精度和良好的鲁棒性。
