收益：
- 能够利用人工智能将护理流程（诊断、计划、实施、评估）转化为护理计划草案
- 能够根据患者的实际数据和机构标准个性化和验证护理诊断、目标和干预草案
- 能够理解人工智能产生的护理计划是一个初步框架，必须经过主管护士的临床判断批准。
护理计划是系统地、基于证据而非随机地对患者进行护理的地图。在绘制这张地图时，护士使用了世界各地的通用方法：护理过程。该过程有五个步骤——诊断（数据收集）、护理诊断、规划（目标和干预措施）、实施和评估。制定良好的护理计划需要时间：选择正确的护理诊断、设定可衡量的目标以及排序适当的干预措施都需要注意。人工智能是这项工作中强大的起草辅助工具：它组织分散的数据，回忆可能的护理诊断，并概述目标和干预措施。但再次强调：人工智能产生骨骼；负责的护士负责为患者调整计划、确定优先顺序并批准该计划。
什么是护理诊断
医学诊断对疾病进行命名（例如“心力衰竭”），并且属于医生的管辖范围。护理诊断指出了患者对这种情况的反应，并且可以通过护理来解决（例如“活动不耐受”、“液体超负荷的风险”、“皮肤完整性恶化的风险”）。 NANDA-I 术语是全球广泛使用的标准； NIC 分类用于干预，NOC 分类用于结果。这些术语提供了通用语言，但为每个患者选择正确的诊断需要临床判断。
人工智能可以查看患者档案并回忆起“可以使用此数据考虑以下护理诊断”的列表。该列表是一个起点；护士决定哪一种适合该患者，哪一种是优先考虑的，以及数据是否真正支持诊断。
注意：AI建议的护理诊断、目标或干预来自常识；它不知道患者的实际数据、偏好和机构标准。按原样实施计划可能会导致护理不适合患者或优先顺序不正确。
如何制定一个好的目标
护理计划中的目标应该是可衡量的且有时限的。 “病人会好起来”不是一个目标；无法测量。 “患者能够在48小时内独立行走10米”是一个可衡量的目标。人工智能擅长让模糊的目标变得可衡量；如果你告诉他“以可衡量且有时限的方式写下这个目标”，他会给你一个总体轮廓。你根据病人的真实情况把这个草图写得逼真——因为只有了解他的护士才知道病人在48小时内能做什么。
三个迷你箱子
案例 1 — 术后计划。 68岁患者（匿名）接受膝关节置换手术。护士向人工智能提供个人资料并要求提供护理计划草案。 AI 列出了“急性疼痛”、“跌倒风险”、“活动不耐受”的诊断以及适当的干预标题。护士还添加了“皮肤完整性风险”，根据患者的疼痛评分修改疼痛目标，并根据患者的病史优先考虑跌倒风险。 AI将5分钟的草稿缩短至30秒；护士的个性化和确认。
案例2——慢性病。对于心力衰竭患者，人工智能会建议“液体超负荷”和“活动不耐受”，但忽略了日常称重和液体限制干预。护士记住了设施协议并添加了这一关键干预措施。教训：人工智能的清单不应该被认为是完整的；可能会丢失。
情况 3 — 优先级错误。 AI将营养教育放在糖尿病患者的首位，但此时患者的血糖正处于关键水平。护士将优先事项转向立即血糖管理。教训：确定优先顺序需要临床判断；人工智能感觉不到紧迫性。
一步一步：利用人工智能起草护理计划
- 匿名编辑数据。诊断、病史、当前发现、局限性。
- 索取草稿。可能的护理诊断、目标、干预措施。
- 适应这个病人。哪种诊断适合，哪种诊断优先？
- 与机构标准比较。缺少干扰，是否有协议差异？
- 使目标可衡量且切合实际。
- 作为护士长，确认并保存。
四个可复制模板
任务：为以下（匿名）患者资料制定护理计划草案。列出可能的护理诊断，每个诊断有 1-2 个可衡量的目标和干预主题。最终的诊断选择和优先权交给我。简介：[诊断、病史、当前发现、局限性]
任务：以可衡量且有时限的形式重写以下模糊的护理目标（什么、多少、何时）。把现实主义的决定留给我。目标：[...]
任务：提醒我此护理计划草案中可能缺少的干预主题（例如跌倒风险、皮肤完整性、疼痛管理、液体监测、教育）。不填写，只需将缺失的项目标记为清单。草案：[...]
任务：按字母顺序列出您为此患者资料推荐的护理诊断，而不是按紧急程度和重要性顺序；用一句话解释一下为什么我没有把优先顺序留给你。简介： [...]
弱提示/强提示
弱者：“为该患者写一份护理计划。”
Güçlü：“为以下匿名外科患者资料制作一份草稿，包括可能的护理诊断、每个诊断的 1-2 个可衡量目标以及干预标题。我将决定哪种诊断适合该患者以及优先顺序。假设您不知道该机构方案特有的干预措施，并记下“必须通过方案确认”。
在强大的提示下，AI产生了骷髅；选择、优先级和批准都留给护士。
常见错误
- 将草稿误认为是已完成的计划。 AI赋予骨骼；个性化属于护士。
- 认为AI列表已经完成。关键举措可能缺失；与机构标准比较。
- 将优先权留给人工智能。紧急程度的排序需要临床判断。
- 留下不可估量的目标。每个目标应该包括什么、多少以及何时。
- 与患者数据不匹配。一般信息可能不适用于该患者。
评估阶段：保持计划的活力
护理计划不是一份写完就放在一边的文件；而是一份文件。评估是护理过程的最后一步，是不断检查计划是否有效。目标达到了吗？这些举措有效吗？如果患者的病情发生变化，计划是否应该更新？这是保持护理活力和真实的步骤。人工智能可以在这个阶段提供帮助：它可以生成一个评估大纲，将当前的观察结果与可衡量的目标集进行比较，提供诸如“该目标已实现/部分/未实现”之类的框架。但真正的评价是通过对患者的观察和临床判断来做出的； AI只调节比较。
一个常见的错误是从不跨班更新最初编写的计划。如果无论患者好转还是恶化都保持相同的计划，那么该计划将不再反映现实。定期要求人工智能“将以前的目标与当前的观察结果进行比较，应该进行修改”是保持计划新鲜度的实用方法。然而，每次修改都必须得到主管护士的批准。
优先顺序：是感到紧迫的人
在维护计划中首先解决哪个问题至关重要。一种常见的方法是优先考虑威胁生命的生理问题（气道、呼吸、循环），然后再考虑心理或长期问题。 AI可以唤起优先级框架，但无法感知当前患者的哪个问题最紧急；因为紧迫感来自于患者当时的实际情况。教育对于糖尿病患者很重要，但如果血糖很重要，则应首先对其进行管理。这种优先级决定是临床判断的问题，而不是数据的问题。使用人工智能作为优先顺序制定者，而不是决策者。
提示：使用人工智能编写护理计划的最有效方法是向其提供您拥有的“数据”，而不是患者的“问题”。与其试图让人工智能做出诊断，不如说“根据以下数据列出可能的护理诊断以及支持/反驳这些诊断的结果”是一种更安全的用法，它会迫使你思考和选择。因此，人工智能不会做出决定，它会提供你的判断，并让哪些数据支持哪种诊断变得可见。这种方法使计划更加个性化，也更加站得住脚；因为每个诊断背后都有具体的数据，而不是“人工智能建议”。
综上所述
人工智能加速了护理计划的制定：它提醒可能的护理诊断，创建目标和干预措施的框架，并使模糊的目标变得可衡量。但该计划应根据患者的实际情况、优先事项和机构标准进行个体化，并由护士长的临床判断批准。 AI产生骨骼；护士绘制并签署护理地图。
应用任务
要求人工智能为您自己的服务中的（匿名）患者起草护理计划。然后：(1) 标记哪种护理诊断实际上适合该患者，(2) 包括至少一项缺失的干预措施，(3) 使其中一个目标可衡量，(4) 使用您自己的临床判断调整优先顺序。简要写下您所做的每项更改的原因。
清单
- [ ] 我在没有识别的情况下编辑了患者数据。
- [ ] 我收到了 AI 草图作为骨架。
- [ ] 我根据该患者选择了护理诊断。
- [ ] 我按照公司标准完成了缺失的举措。
- [ ] 我使目标变得可衡量且现实。
- [ ] 我根据我的临床判断确定了优先顺序。
- [ ] 作为主管护士，我批准并记录了该计划。