ChiCTR2500114051尚未招募Unknown
基于机器学习的实习护生共情疲劳最优预测模型筛选及验证
未提供1 个研究点 分布在 1 个国家目标入组 234 人开始时间: 2025年11月1日最近更新:
试验速览
- 阶段
- Unknown
- 状态
- 尚未招募
- 入组人数
- 234
- 试验地点
- 1
- 主要终点
- 同情疲劳简表
研究概览
简要总结
（1）系统梳理实习护生共情疲劳的相关影响因素； （2）通过机器学习构建预测模型； （3）筛选针对实习护生共情疲劳预测性能最优的机器学习模型。
研究设计
- 研究类型
- Observational
入排标准
- 性别
- All
入选标准
- •（2）完成至少 8 周临床实习；
- •（3）自愿签署知情同意书并配合完成全部调研流程。
排除标准
- •（1）实习期间发生重大医疗事故或严重职业暴露者；
- •（2）同期参与其他同类研究者；
- •（3）数据缺失超过 20%或关键数据缺失的问卷。
研究组 & 干预措施
共情疲劳观察组
结局指标
主要结局
同情疲劳简表
次要结局
- 专业认同量表
- 社会支持评定量表
- 康纳-戴维森复原力量表
研究者
研究点 (1)
Loading locations...
相似试验
Unknown
不适用
基于机器学习的 ICU 患儿创伤后应激症状预测模型的构建与验证ChiCTR2500099432自筹405
Unknown
不适用
基于机器学习的大学生抑郁症状相关特征的研究ChiCTR2500115174自选课题（自筹）
招募中
Unknown
机器学习预测心衰死亡率的研究心力衰竭ChiCTR2400082726
Unknown
不适用
基于机器学习算法对危重患者医院获得性压力性损伤风险预测模型的构建与应用研究压力性损伤ChiCTR2200064281浙江省医药卫生科技计划项目350
Unknown
不适用
基于机器学习的预测模型预测脑梗死后再梗死与脑梗死后再出血研究ChiCTR2500113505自选课题（自筹）