苑秋辰 麻盛淼 沈晨 楊浩杰 梁濤

目前，醫(yī)學護理領(lǐng)域常用的數(shù)據(jù)統(tǒng)計分析軟件有SAS、SPSS、Excel、NVivo等，腳本語言有R語言等[1-2]，其廣泛應用為研究者帶來了便利，一定程度上推動了護理領(lǐng)域的持續(xù)發(fā)展。但隨著護理研究的逐漸深入，各工具自身的局限性和短板也逐漸凸顯，如R語言的運行速度較慢且內(nèi)存管理效率低[3]，SPSS軟件缺少的主成分分析功能會在一定程度上影響研究者的分析過程等[4]，因此需要功能更加完備的工具滿足研究需求。Python語言是一種高級通用腳本編程語言[5]，近年來，隨著編程語言的不斷迭代更新，Python語言已被廣泛應用于計算機科學領(lǐng)域。國內(nèi)外研究已初步證實，Python語言在廣義估計方程和混合線性模型中的結(jié)果可信[6]，且在機器學習算法中對于不同數(shù)據(jù)集和平臺的最佳測試精度、分類精度和參數(shù)調(diào)優(yōu)結(jié)果上均顯著優(yōu)于R語言、SPSS和SAS[7]。在數(shù)據(jù)密集型的科學范式下，護理研究者也開始認識到Python語言的價值并已利用Python進行數(shù)據(jù)采集和分析[8-9]、構(gòu)建機器學習模型[10]等，初步拓寬和深入了護理領(lǐng)域的發(fā)展。本文旨在綜述Python語言在護理研究領(lǐng)域中的應用現(xiàn)狀，并提出未來的應用展望，以期為護理領(lǐng)域未來的研究提供參考，推動護理領(lǐng)域的進一步發(fā)展。

1 Python語言概述

1.1 Python語言的起源和發(fā)展

1989年12月，荷蘭數(shù)學和計算機科學研究學會的Guido在原有ABC語言的基礎(chǔ)上設(shè)計了一個更簡潔、易拓展、可移植的腳本編程語言，即可按需編輯的語言，并將之命名為“Python”，其最早的可用版本于1991年正式發(fā)行，具備能完成一定功能的代碼集合（以下統(tǒng)稱庫）[5，11]。2000年10月，Python 2.0版本發(fā)布，自此Python語言進入了更多開發(fā)者的視野[11]。2008年12月，Python 3.0版本發(fā)布，該版本的解釋器內(nèi)部完全采用面向?qū)ο蟮姆绞綄崿F(xiàn)，在語法層面做了很多重大改進，自此數(shù)萬個標準庫開始了版本升級過程[11]。2016年，Python的所有庫均已在Python 3.x版本下演進和發(fā)展，Python語言版本升級過程至此結(jié)束[11]。2017年，Python語言因其簡潔、開源、易拓展等特性廣受開發(fā)者青睞，流行程度在所有編程語言中排名第一[12]。

1.2 Python語言的特點和功能

語法簡潔、生態(tài)豐富和多語言集成是Python語言的三大特點[11]?！皟?yōu)雅”“明確”“簡單”的設(shè)計哲學使其接近自然語言，因而更具可讀性且更易于學習，使學者能更專注于解決問題本身，減少花費在實現(xiàn)代碼細節(jié)上的時間；Python語言提供了數(shù)百個內(nèi)置類和函數(shù)以及世界范圍內(nèi)的程序員通過開源社區(qū)編寫的十余萬個第三方庫，生態(tài)十分豐富；作為解釋型語言，Python程序的執(zhí)行速度較C或C++等編譯型語言慢，但開發(fā)者可以將其他編程語言代碼封裝后以Python語言方式使用，提升Python語言程序的執(zhí)行速度。此外，Python語言同時支持“面向?qū)ο蟆焙汀懊嫦蜻^程”的設(shè)計模式也是其一大特性，使其更易于維護和拓展，節(jié)省大量開發(fā)時間。Python語言憑借其豐富的庫能實現(xiàn)諸多功能，包括網(wǎng)絡爬蟲、數(shù)據(jù)分析、文本處理、用戶圖形界面、機器學習、網(wǎng)絡編程、游戲開發(fā)、數(shù)據(jù)可視化等[11，13]。

2 Python語言在護理研究領(lǐng)域的應用現(xiàn)狀

Python語言的使用者可利用其采集相關(guān)領(lǐng)域的互聯(lián)網(wǎng)或工作場景中的數(shù)據(jù)，并對采集到的數(shù)據(jù)進行篩選、清洗等預處理工作，進而展開數(shù)據(jù)統(tǒng)計分析，還可以使用其網(wǎng)絡編程等功能搭建相關(guān)信息平臺等。基于這樣的功能，使用Python的護理研究者也在這幾個方面進行了應用與探索，在提升護理研究和干預效率的同時，節(jié)省了護理人力資源和時間成本。

2.1 網(wǎng)絡爬蟲

網(wǎng)絡爬蟲是指通過編程實現(xiàn)程序模擬人操作瀏覽器，從網(wǎng)站中獲取數(shù)據(jù)和信息[14]，研究者可使用Python網(wǎng)絡爬蟲技術(shù)采集互聯(lián)網(wǎng)中與護理領(lǐng)域相關(guān)的政策信息，了解不同專題的政策和熱點內(nèi)容。韓國學者Yoon等[15]用Python語言實現(xiàn)了網(wǎng)絡爬蟲，收集了互聯(lián)網(wǎng)中與“護士”相關(guān)的關(guān)鍵詞，比較了互聯(lián)網(wǎng)中新型冠狀病毒感染疫情前和疫情期間護士相關(guān)的關(guān)鍵詞變化趨勢，發(fā)現(xiàn)中心性最高的關(guān)鍵詞從“護士”“剖腹產(chǎn)”變?yōu)椤凹敝匕Y”“防護服”等，進而呼吁護理人員應多關(guān)注和學習互聯(lián)網(wǎng)中的信息，嘗試發(fā)現(xiàn)問題并予以改進。Kim等[16]使用Python網(wǎng)絡爬蟲技術(shù)采集韓國護士協(xié)會新聞、日報和推特網(wǎng)中有關(guān)“綜合護理服務”的信息，為相關(guān)政策的制定提供了參考。除政策信息外，研究者還可以采集社交媒體平臺中海量的大眾評論內(nèi)容并展開分析。我國學者李朝陽等[17]用Python采集百度貼吧“同妻吧”中的72 680條帖子，為社區(qū)對同性戀人群的健康教育及同妻人群的心理護理干預提供了參考。成全等[9]使用Python采集2018年媽媽網(wǎng)論壇中“懷孕媽媽”板塊中的3 109條帖子，為對孕婦實施精準健康教育提供了建議。以上研究均為網(wǎng)絡文本信息的采集，研究者還可通過Python網(wǎng)絡爬蟲技術(shù)采集網(wǎng)絡中護理相關(guān)的圖片、音頻和視頻等資料供學習和研究使用。

2.2 數(shù)據(jù)預處理

數(shù)據(jù)預處理是指研究者根據(jù)專業(yè)知識，結(jié)合研究目的，剔除樣本中無實義的字符或特征重復的數(shù)據(jù)等，經(jīng)過對數(shù)據(jù)進行理解、識別和規(guī)范后形成可靠的數(shù)據(jù)集，為后續(xù)的統(tǒng)計分析做準備的過程，研究證實數(shù)據(jù)預處理效果會影響算法的預測性能[18]。在文獻計量學中，研究者可使用Python刪除文獻數(shù)據(jù)關(guān)鍵詞中對研究無意義的詞，或?qū)⒍鄠€文獻數(shù)據(jù)庫中不同格式的文獻記錄通過Python語言整合為同一格式，便于導入統(tǒng)計分析軟件[19]，拓寬了數(shù)據(jù)來源范圍，更加全面地探索護理領(lǐng)域各專題的研究熱點和發(fā)展趨勢。除文本數(shù)據(jù)外，面對大量、冗雜的臨床護理量性數(shù)據(jù)，研究者可以使用Python語言按需制定預處理規(guī)則，節(jié)約大量人工重復操作的時間，如武俊偉等[20]使用Python對超過20萬例患者的ICU數(shù)據(jù)進行清洗，去除體溫＜30 ℃、心率和呼吸為0的無效測量值，為ICU急性呼吸窘迫綜合征患者數(shù)據(jù)的進一步分析提供了支持。

2.3 機器學習

Python語言作為人工智能技術(shù)的主要依托語言，擁有豐富、強大的機器學習相關(guān)的第三方庫[11]，在護理領(lǐng)域已得到了初步應用。

2.3.1 量性數(shù)據(jù)構(gòu)建預測模型

對于臨床量性數(shù)據(jù)，研究者可根據(jù)患者在特定時期內(nèi)的疾病發(fā)展結(jié)果或健康狀況的發(fā)生風險，使用Python語言構(gòu)建機器學習預測模型，為患者日后生活方式或護理干預方法提供決策支持。國外學者Padhy等[21]選用收集的數(shù)據(jù)和糖尿病數(shù)據(jù)庫中的數(shù)據(jù)，使用Python語言構(gòu)建糖尿病早期預測模型，發(fā)現(xiàn)隨機森林模型的準確性達98.4%，且在靈敏度、特異性、精度和F測量方面優(yōu)于Logistic回歸等其他分類器。國內(nèi)學者武俊偉等[20]使用Python的sklearn庫分別構(gòu)建Logistic回歸、隨機森林模型和Light GBM模型，使用該庫中的校準曲線比較各分類器的校準效果，發(fā)現(xiàn)6～96 h時間窗口比6～24 h和6～48 h對預測急性呼吸窘迫綜合征病程是否會加重的準確率及AUC均高，同時在該窗口期內(nèi)隨機森林模型的診斷性能最接近真實概率且遠優(yōu)于Logistic回歸，進而構(gòu)建了ICU急性呼吸窘迫綜合征早期預測的最優(yōu)模型。以上研究可見，傳統(tǒng)的多元回歸和Logistic回歸將逐漸被預測效能更優(yōu)的隨機森林等機器學習模型所替代，因此研究者可借助Python語言豐富的機器學習建模和評價的第三方庫，展開對多個的研究變量的統(tǒng)計分析，建立更加科學、實用的預測模型[22]，以解決復雜場景中的護理問題。

2.3.2 文本數(shù)據(jù)構(gòu)建主題模型

對于文本數(shù)據(jù)，研究者在分析時多采用主題分類的方式挖掘文本的潛在信息。文本主題分類是借助機器學習的自然語言處理技術(shù)分析文本包含的態(tài)度、情緒和認知得分的過程，以隱含狄利克雷分布（Latent Dirichlet Allocation，LDA）算法最為常見[23]。黃仁東等[24]采用Python的Snow NLP庫和PyLDAvis庫對微博“網(wǎng)約護士”詞條下的評論進行LDA情感分析和文本分類，發(fā)現(xiàn)公眾對網(wǎng)約護士政策的總體態(tài)度持弱積極性，文本分類結(jié)果為“人身安全”“醫(yī)療事故責任”“服務模式”和“服務內(nèi)容”，進而為網(wǎng)約護士相關(guān)護理政策的制定提供了參考。Guo等[19]基于推特網(wǎng)評論內(nèi)容探索新型冠狀病毒感染患者的經(jīng)歷和感受，采用Python構(gòu)建LDA模型，挖掘出“認識到新型冠狀病毒感染病情嚴重性”“有新型冠狀病毒感染癥狀”“分享新型冠狀病毒感染的經(jīng)歷”這3個主題，為改善新型冠狀病毒感染患者的護理提供了建議。Liu等[25]使用Python構(gòu)建LDA主題模型，從1 584篇電子煙相關(guān)的新聞內(nèi)容中提取出26個健康傳播相關(guān)的主題，為健康管理和健康教育方式提供了參考。研究者可使用Python語言構(gòu)建LDA主題模型，對互聯(lián)網(wǎng)和社交媒體平臺中的大眾觀點進行文本主題分類，以大眾視角為相關(guān)政策的制定提供參考。

2.3.3 深度學習提取圖像特征

深度學習作為機器學習的一個重要分支，可以提取數(shù)據(jù)的關(guān)鍵特征，更加快速精確地識別出患者圖像信息[26]。王巧真等[27]使用Python的深度學習框架PyTorch對患者臥床姿態(tài)的圖像數(shù)據(jù)進行識別和分類，發(fā)現(xiàn)了對患者異常姿態(tài)圖像輪廓特征進行提取的高效算法，實現(xiàn)了遠程監(jiān)護場景下臥床患者異常姿態(tài)的自動識別報警功能。除遠程監(jiān)控系統(tǒng)外，基于Python語言的程序還可以嵌入硬件設(shè)備，識別和分析患者相關(guān)數(shù)據(jù)。Liu等[28]在養(yǎng)老服務機器人的系統(tǒng)中嵌入Python的OpenCV庫，對患者面部圖像數(shù)據(jù)進行識別和分類，為機器人精準導航提供了技術(shù)支持，使老人能按時、安全服藥，保障患者安全，促進患者康復。研究者可以借助Python語言的深度學習功能挖掘文本、圖像、視頻、音頻等不同類型患者數(shù)據(jù)的分類效果，更加精確地識別患者行為，幫助護士及時準確發(fā)現(xiàn)患者異常行為，便于制定后續(xù)護理計劃。

2.4 統(tǒng)計分析

對于文本數(shù)據(jù)，研究者常采用統(tǒng)計高頻詞的方法來發(fā)現(xiàn)某一研究領(lǐng)域不同時期的研究熱點和發(fā)展趨勢。開發(fā)者可使用Python的count()、len()等內(nèi)置函數(shù)和collections等第三方庫統(tǒng)計任意類型數(shù)據(jù)的出現(xiàn)頻次，或使用Numpy、Pandas等庫計算數(shù)據(jù)的中心性等評價指標，還 可 聯(lián) 合SPSS、CiteSpace、VOSviewer、Gephi等軟件對文本數(shù)據(jù)進行統(tǒng)計分析[29-30]。國外學者Kim等[30]使用Python語言將關(guān)鍵詞的出現(xiàn)頻次等指標分別排序，探索醫(yī)療環(huán)境中護士接受跨專業(yè)教育的趨勢和特點，發(fā)現(xiàn)“跨專業(yè)”“教育”“學生”“護理”和“健康”出現(xiàn)次數(shù)最多，為護理學科跨專業(yè)的教育方式和課程選擇提供方向。Kim[31]使用Python進行文本網(wǎng)絡分析以挖掘其護理創(chuàng)業(yè)教育項目的文本數(shù)據(jù)，統(tǒng)計出詞頻最高的關(guān)鍵詞有“商業(yè)”“護理”“照護”“醫(yī)療保健”和“服務”，計算出中心性最高的關(guān)鍵詞有“使命”“愿景”和“團隊”，提出管理部門應提供護理創(chuàng)業(yè)支持以發(fā)展有競爭力的護理服務并擴大護理專業(yè)的知識范圍。國內(nèi)學者王嘯宇等[32]利用Python語言對49個城市的長期護理保險政策中的高頻詞進行統(tǒng)計，為長期護理保險的制度設(shè)計提供了思路。

2.5 網(wǎng)絡編程

護理人員可以借助Python語言的網(wǎng)絡編程功能開發(fā)在線交互平臺，實現(xiàn)醫(yī)護患的遠程交互，及時為臨床護理干預和護理決策提供支持。葉曉露等[33]應用Python語言結(jié)合JavaScript進行后端制作，探討基于無標識運動捕捉技術(shù)的在線康復程序在乳腺癌術(shù)后居家患者中的應用效果，有效增加了患者早期居家康復鍛煉的依從性，有利于術(shù)后居家患者的快速康復。賈會英等[34]使用Python網(wǎng)絡編程框架結(jié)合臨床護理路徑算法，利用1 084名慢性病共病患者的疾病數(shù)據(jù)創(chuàng)建了在線網(wǎng)絡平臺，交互式地探索和解釋了慢性病共病患者疾病管理問題，并以可視化的方式完善了慢性病共病患者護理決策的共享，為臨床醫(yī)護人員和患者提供了極佳的慢性病共病患者管理指導。

2.6 自主開發(fā)整合多功能的第三方庫

除Python語言既有的第三方庫之外，研究者還可以按實際需求通過其開源社區(qū)自主編寫第三方庫，為數(shù)據(jù)處理的過程提供便利，精簡研究范式。英國劍橋大學、美國麻省理工學院和美國瑞輝公司的研究團隊[35]聯(lián)合編寫了一個用于可穿戴設(shè)備傳感器數(shù)據(jù)預處理的Python庫“SciKit Digital Health”，通過多種算法對患者步態(tài)、坐到站、身體活動和睡眠的臨床特征數(shù)據(jù)進行采集、預處理和分析。除患者臨床數(shù)據(jù)外，波蘭、葡萄牙和中國學者的研究團隊[36]為了更好地評估患者的醫(yī)療保健服務體驗，聯(lián)合開發(fā)了基于Python語言的“文本自動查詢算法”（Algorithmic Rules for Automatic Queries of Texts），發(fā)現(xiàn)該算法的文本分類效果顯著優(yōu)于人工分類，且適用于分析不同領(lǐng)域中大量人類敘述性語言的數(shù)據(jù)，同時能有效、低成本地分析患者對于衛(wèi)生服務的體驗并評估其滿意度。以上研究者根據(jù)不同需求自主編寫Python語言第三方庫，將數(shù)據(jù)采集、數(shù)據(jù)預處理和數(shù)據(jù)分析等功能按需連接在一起，簡化了研究者數(shù)據(jù)處理的步驟，構(gòu)建了新的數(shù)據(jù)分析模式，并以Python語言免費開源的特點廣為研究者所用，借助Python語言創(chuàng)新了大數(shù)據(jù)時代下醫(yī)療護理領(lǐng)域的研究工具，值得國內(nèi)醫(yī)療護理領(lǐng)域的學者借鑒。

3 Python語言在護理研究領(lǐng)域的應用展望

3.1 Python語言功能在護理研究領(lǐng)域的應用有待繼續(xù)開拓

Python語言除常用功能外，其豐富的生態(tài)和第三方庫同樣值得護理人員大力挖掘。對于護理研究者，未來可借助Python語言探討不同統(tǒng)計學方法所用公式的準確性和可信度，嘗試使用科學計算庫、數(shù)據(jù)處理庫等高效數(shù)據(jù)分析框架開發(fā)適用于不同護理研究方法的統(tǒng)計分析軟件，還可以使用Porter Stemmer庫進行詞形歸并和詞根提取，嘗試編寫和構(gòu)建護理領(lǐng)域?qū)ｉT的語料庫[37]，并以其免費開源的特點供廣大護理研究者學習和使用；對于臨床護士，未來可嘗試使用Python語言開發(fā)不同專科疾病的護理干預軟件，如使用游戲開發(fā)庫、多媒體信息處理庫、圖形界面庫、網(wǎng)絡編程庫等[38]設(shè)計教學游戲或進一步優(yōu)化護理信息平臺，進而探索其在患者健康教育或臨床護理教學中的應用效果；對于護理管理者和護理教育者，未來可關(guān)注護理教師的授課安排、實習和規(guī)培護士輪轉(zhuǎn)科室順序等工作，借助Python語言的相關(guān)庫設(shè)計日歷和日程安排，進一步優(yōu)化排班表，探索更加合理的護理人員排班與作息制度[39]。

3.2 醫(yī)工交叉發(fā)展趨勢需要“護理+Python”的人才儲備

醫(yī)工交叉是指將工程學或信息學的技術(shù)和工具應用在醫(yī)療衛(wèi)生領(lǐng)域中，在此發(fā)展趨勢下，大數(shù)據(jù)和人工智能等新技術(shù)在一定程度上推動了護理領(lǐng)域的發(fā)展進程[40]，但同時也對護理人員提出了更高的要求。Python是人工智能技術(shù)的主要依托語言，擁有易學、易拓展、免費、開源、功能豐富等特性[11]，無疑將成為護理人員邁入工程學或信息學領(lǐng)域的最佳選擇，因此建議培養(yǎng)具備一定Python編程能力的護理人才，以醫(yī)工交叉的跨學科視角加速護理領(lǐng)域的發(fā)展。盡管Python語言已在計算機科學等領(lǐng)域得到了廣泛應用，但其在護理領(lǐng)域的應用尚處于起步階段，因此鼓勵護理人員通過各種途徑學習Python語言，自由、主動地探索和創(chuàng)新Python語言在護理領(lǐng)域中的應用前景，突破現(xiàn)有工具的局限，拓寬護理研究方法的廣度和深度，在國家政策的引領(lǐng)下讓更多護理人員通過技術(shù)賦能提升護理學科的發(fā)展實力。

3.3 Python語言在護理研究領(lǐng)域應用的規(guī)范性和倫理考量值得關(guān)注

護理人員借助Python語言拓寬了研究視野，在大數(shù)據(jù)時代更加全面地挖掘了互聯(lián)網(wǎng)和社交媒體平臺中與護理領(lǐng)域相關(guān)主題的熱點和趨勢，通過創(chuàng)新的工具和視角一定程度上提升了護理研究的質(zhì)量，但對于Python語言不同功能的實際應用還需要進一步規(guī)范。以Python網(wǎng)絡爬蟲技術(shù)為例，使用者須在不侵害網(wǎng)站利益和不違反用戶協(xié)議的前提下，合理合規(guī)地采集網(wǎng)絡數(shù)據(jù)，避免信息商用、惡意攻擊網(wǎng)站等不良行為[41]。此外，數(shù)據(jù)倫理問題已成為當今數(shù)據(jù)科學領(lǐng)域的熱門話題，因此護理研究者須對患者數(shù)據(jù)的使用格外敏感[42]，如何在Python語言“開源”的使用過程中保護患者隱私，應是任何相關(guān)研究的首要考慮因素。鑒于此，管理者未來需要針對不同護理研究場景制定更加全面的服務條款以規(guī)范研究者對Python語言的使用，在倫理可行的基礎(chǔ)上，借助Python語言推動護理領(lǐng)域發(fā)展的同時體現(xiàn)“以患者為中心”的護理理念。

4 小結(jié)

Python語言的網(wǎng)絡爬蟲、數(shù)據(jù)預處理、機器學習、統(tǒng)計分析和網(wǎng)絡編程等功能在護理研究領(lǐng)域得到了初步應用，護理人員可結(jié)合實際需求選擇Python語言相應的功能展開研究。隨著信息化時代的不斷發(fā)展和大眾健康需求的持續(xù)增加，Python語言突顯其在護理研究領(lǐng)域中應用的巨大潛力之余，也存在一定的挑戰(zhàn)，未來研究者可深入挖掘其在護理領(lǐng)域中可能發(fā)揮的價值，以創(chuàng)新的視角和工具更好地推動護理領(lǐng)域的發(fā)展。