眼科，主要指的是眼球以及相关联的组织有关视觉系统疾病的学科，具体包括：玻璃体、视网膜疾病，眼视光学，青光眼和视神经病变，白内障等多种眼科疾病，如若不及时救治，还会严重影响患者的生活质量[1]。而眼科患者由于眼睛受到了一定的损伤，进而在一定程度上增加了患者跌倒、坠床的风险。本次研究主要针对跌倒坠床危险评估对眼科住院患者的临床应用价值及护理质量持续改进的效果展开分析与探讨，内容如下。
1资料与方法
1.1临床资料
选取本科室收纳的96例眼科住院患者作为研究的对象，时间：2019年3月1日至2019年10月31日。在96例眼科住院患者中，男性患者为50例，女性患者为46例；年龄范围：23~74岁，均值（48.52±1.69）岁；疾病类型：白内障42例，青光眼28例，糖尿病视网膜病变14例，翼状胬肉患者8例，其他4例。
1.2方法
对本次研究所选取的眼科住院患者均实施跌倒坠床危险评估联合护理质量持续改进的措施，具体表现在以下几个方面：（1）跌倒坠床危险评估。①环境预防。定期对患者所在的病房进行清洁，保持地面的清洁，将床旁周围的障碍物进行清除，对于患者常用的物品必须要放置于患者易取处，为患者提供足够的灯光。与此同时，工作人员必须要及时告知患者床头灯及紧急呼叫器的使用方法，嘱咐家属尽量为患者准备舒适的衣物，在下床活动时，必须要有人陪伴[2]。③告知患者寻求帮助的方法，监督患者按时按量服用相应的药物。为了方便护理人员区分，还可以在患者的床头悬挂防跌倒、防坠床等警示牌，做好交接工作[3]。（2）持续质量改进。①成立护理小组，定期对科内护理人员进行morse跌倒/坠床量表的专题知识培训，提高护理人员的专业水平与能力。每周不定期进行检查，对评估不准确的薄弱环节进行再培训。②将morse跌倒/坠床评估的准确性纳入护士岗位管理制度中，进行绩效奖惩，从而有效的提高护士的责任感。③动态评估，在患者入院、转科、手术及发生病情变化时，及时对患者的进行评估，根据评估的情况为其制定相应的干预方案；④分类管理。在易摔倒区放置“防跌倒”标识牌，及时警示患者；对于极度烦躁患者，采用保护带约束，避免损伤患者皮肤；固定位置床头柜和椅子的位置，及时清除房间中的障碍物，保障通道通畅，在卫生间放置扶手等。
1.3观察指标
①分析眼科护士在相关评估及护理措施实施前后的评估准确性；②统计眼科住院患者在相关评估及护理措施实施前后的满意度情况，具体包括：满意、一般、不满意三个方面。
1.4统计学方法
研究选择在SPSS24.0软件下展开，相关的计数资料以（%）表示，卡方检验，P＜0.05。
2结果
2.1评估准确率
在跌倒坠床危险评估联合护理质量持续改进措施实施后，护理人员的评估准确性较高，P＜0.05。见表1.
表1 眼科护士在相关措施实施前后评估准确率的比较（%）
2.2患者满意度
对患者在跌倒坠床危险评估联合护理质量持续改进措施实施前后的满意度相比较来说，实施后显著高于实施前，P＜0.05。见表2.
表2 眼科住院患者在相关评估及护理措施实施前后满意度的比较（%）
3讨论
在眼科护理工作的过程中，住院患者坠床跌倒的问题一个非常重要的环节，护理人员必须要及时对患者可能发生的危险因素进行评估，其次，根据评估结果制定个体化干预措施，减少对患者所造成的损害。
本次研究的相关数据显示：在跌倒坠床危险评估联合护理质量持续改进措施实施前后，护理人员评估准确性、眼科住院患者的满意度相比较来说，实施后显著高于实施前，P＜0.05。其主要原因分析为，在实际工作的过程中，必须要加强对护士各项规章制度的培训，将morse跌倒/坠床评估的准确性纳入护士岗位管理制度中，进行绩效奖惩，从而有效的提高护士的责任感。与此同时，还要加强巡视，及时发现并满足患者的需求，更好的提高工作的有效性。另外，在患者入院后，护理人员必须要及时利用相应的评估方式对患者进行全面的分析，根据评估的结果制定相应的护理措施，在一定程度上较好的提升护理人员的评估准确率，有效的降低眼科住院患者跌倒、坠床的风险[4]。
综上所述，对于眼科住院患者，在实际治疗的过程中可以实施跌倒坠床危险评估联合护理质量持续改进的措施，能够在一定程度上较好的提升眼科护士对危险事件评估的准确性以及患者的满意程度。
参考文献：
[1]董运芳, 李昊儒, 闫晓丽, et al. 护理质量指标介导的精准质控模式在护理质量管理中的实施及效果评价[J]. 中华现代护理杂志, 2017, 23(19):2550-2553.
[2]高伟红, 张莉, 魏敏, et al. 人性化护理在眼科病房中的应用效果[J]. 中华现代护理杂志, 2018, 24(35):4295-4298.
[3]杜蓓, 林娜娜, 胡志城, et al. 视觉障碍患者病因分析及不同类型助视器的应用评估[J]. 中华实验眼科杂志, 2019, 37(7):522-526.
[4]童妍, 卢苇, 徐阳涛, et al. 基于深度学习的早产儿视网膜病变的临床辅助诊断[J]. 中华实验眼科杂志, 2019, 37(8):647-651.
