苑秋辰 麻盛淼 沈晨 楊浩杰 梁濤

目前，醫(yī)學(xué)護(hù)理領(lǐng)域常用的數(shù)據(jù)統(tǒng)計(jì)分析軟件有SAS、SPSS、Excel、NVivo等，腳本語(yǔ)言有R語(yǔ)言等[1-2]，其廣泛應(yīng)用為研究者帶來(lái)了便利，一定程度上推動(dòng)了護(hù)理領(lǐng)域的持續(xù)發(fā)展。但隨著護(hù)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(yǔ)言的運(yùn)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(huì)在一定程度上影響研究者的分析過(guò)程等[4]，因此需要功能更加完備的工具滿足研究需求。Python語(yǔ)言是一種高級(jí)通用腳本編程語(yǔ)言[5]，近年來(lái)，隨著編程語(yǔ)言的不斷迭代更新，Python語(yǔ)言已被廣泛應(yīng)用于計(jì)算機(jī)科學(xué)領(lǐng)域。國(guó)內(nèi)外研究已初步證實(shí)，Python語(yǔ)言在廣義估計(jì)方程和混合線性模型中的結(jié)果可信[6]，且在機(jī)器學(xué)習(xí)算法中對(duì)于不同數(shù)據(jù)集和平臺(tái)的最佳測(cè)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(yǔ)言、SPSS和SAS[7]。在數(shù)據(jù)密集型的科學(xué)范式下，護(hù)理研究者也開始認(rèn)識(shí)到Python語(yǔ)言的價(jià)值并已利用Python進(jìn)行數(shù)據(jù)采集和分析[8-9]、構(gòu)建機(jī)器學(xué)習(xí)模型[10]等，初步拓寬和深入了護(hù)理領(lǐng)域的發(fā)展。本文旨在綜述Python語(yǔ)言在護(hù)理研究領(lǐng)域中的應(yīng)用現(xiàn)狀，并提出未來(lái)的應(yīng)用展望，以期為護(hù)理領(lǐng)域未來(lái)的研究提供參考，推動(dòng)護(hù)理領(lǐng)域的進(jìn)一步發(fā)展。

1 Python語(yǔ)言概述

1.1 Python語(yǔ)言的起源和發(fā)展

1989年12月，荷蘭數(shù)學(xué)和計(jì)算機(jī)科學(xué)研究學(xué)會(huì)的Guido在原有ABC語(yǔ)言的基礎(chǔ)上設(shè)計(jì)了一個(gè)更簡(jiǎn)潔、易拓展、可移植的腳本編程語(yǔ)言，即可按需編輯的語(yǔ)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(kù)）[5，11]。2000年10月，Python 2.0版本發(fā)布，自此Python語(yǔ)言進(jìn)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?shí)現(xiàn)，在語(yǔ)法層面做了很多重大改進(jìn)，自此數(shù)萬(wàn)個(gè)標(biāo)準(zhǔn)庫(kù)開始了版本升級(jí)過(guò)程[11]。2016年，Python的所有庫(kù)均已在Python 3.x版本下演進(jìn)和發(fā)展，Python語(yǔ)言版本升級(jí)過(guò)程至此結(jié)束[11]。2017年，Python語(yǔ)言因其簡(jiǎn)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(yǔ)言中排名第一[12]。

1.2 Python語(yǔ)言的特點(diǎn)和功能

語(yǔ)法簡(jiǎn)潔、生態(tài)豐富和多語(yǔ)言集成是Python語(yǔ)言的三大特點(diǎn)[11]?！皟?yōu)雅”“明確”“簡(jiǎn)單”的設(shè)計(jì)哲學(xué)使其接近自然語(yǔ)言，因而更具可讀性且更易于學(xué)習(xí)，使學(xué)者能更專注于解決問(wèn)題本身，減少花費(fèi)在實(shí)現(xiàn)代碼細(xì)節(jié)上的時(shí)間；Python語(yǔ)言提供了數(shù)百個(gè)內(nèi)置類和函數(shù)以及世界范圍內(nèi)的程序員通過(guò)開源社區(qū)編寫的十余萬(wàn)個(gè)第三方庫(kù)，生態(tài)十分豐富；作為解釋型語(yǔ)言，Python程序的執(zhí)行速度較C或C++等編譯型語(yǔ)言慢，但開發(fā)者可以將其他編程語(yǔ)言代碼封裝后以Python語(yǔ)言方式使用，提升Python語(yǔ)言程序的執(zhí)行速度。此外，Python語(yǔ)言同時(shí)支持“面向?qū)ο蟆焙汀懊嫦蜻^(guò)程”的設(shè)計(jì)模式也是其一大特性，使其更易于維護(hù)和拓展，節(jié)省大量開發(fā)時(shí)間。Python語(yǔ)言憑借其豐富的庫(kù)能實(shí)現(xiàn)諸多功能，包括網(wǎng)絡(luò)爬蟲、數(shù)據(jù)分析、文本處理、用戶圖形界面、機(jī)器學(xué)習(xí)、網(wǎng)絡(luò)編程、游戲開發(fā)、數(shù)據(jù)可視化等[11，13]。

2 Python語(yǔ)言在護(hù)理研究領(lǐng)域的應(yīng)用現(xiàn)狀

Python語(yǔ)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(chǎng)景中的數(shù)據(jù)，并對(duì)采集到的數(shù)據(jù)進(jìn)行篩選、清洗等預(yù)處理工作，進(jìn)而展開數(shù)據(jù)統(tǒng)計(jì)分析，還可以使用其網(wǎng)絡(luò)編程等功能搭建相關(guān)信息平臺(tái)等。基于這樣的功能，使用Python的護(hù)理研究者也在這幾個(gè)方面進(jìn)行了應(yīng)用與探索，在提升護(hù)理研究和干預(yù)效率的同時(shí)，節(jié)省了護(hù)理人力資源和時(shí)間成本。

2.1 網(wǎng)絡(luò)爬蟲

網(wǎng)絡(luò)爬蟲是指通過(guò)編程實(shí)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(luò)爬蟲技術(shù)采集互聯(lián)網(wǎng)中與護(hù)理領(lǐng)域相關(guān)的政策信息，了解不同專題的政策和熱點(diǎn)內(nèi)容。韓國(guó)學(xué)者Yoon等[15]用Python語(yǔ)言實(shí)現(xiàn)了網(wǎng)絡(luò)爬蟲，收集了互聯(lián)網(wǎng)中與“護(hù)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(hù)士相關(guān)的關(guān)鍵詞變化趨勢(shì)，發(fā)現(xiàn)中心性最高的關(guān)鍵詞從“護(hù)士”“剖腹產(chǎn)”變?yōu)椤凹敝匕Y”“防護(hù)服”等，進(jìn)而呼吁護(hù)理人員應(yīng)多關(guān)注和學(xué)習(xí)互聯(lián)網(wǎng)中的信息，嘗試發(fā)現(xiàn)問(wèn)題并予以改進(jìn)。Kim等[16]使用Python網(wǎng)絡(luò)爬蟲技術(shù)采集韓國(guó)護(hù)士協(xié)會(huì)新聞、日?qǐng)?bào)和推特網(wǎng)中有關(guān)“綜合護(hù)理服務(wù)”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(tái)中海量的大眾評(píng)論內(nèi)容并展開分析。我國(guó)學(xué)者李朝陽(yáng)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(duì)同性戀人群的健康教育及同妻人群的心理護(hù)理干預(yù)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(duì)孕婦實(shí)施精準(zhǔn)健康教育提供了建議。以上研究均為網(wǎng)絡(luò)文本信息的采集，研究者還可通過(guò)Python網(wǎng)絡(luò)爬蟲技術(shù)采集網(wǎng)絡(luò)中護(hù)理相關(guān)的圖片、音頻和視頻等資料供學(xué)習(xí)和研究使用。

2.2 數(shù)據(jù)預(yù)處理

數(shù)據(jù)預(yù)處理是指研究者根據(jù)專業(yè)知識(shí)，結(jié)合研究目的，剔除樣本中無(wú)實(shí)義的字符或特征重復(fù)的數(shù)據(jù)等，經(jīng)過(guò)對(duì)數(shù)據(jù)進(jìn)行理解、識(shí)別和規(guī)范后形成可靠的數(shù)據(jù)集，為后續(xù)的統(tǒng)計(jì)分析做準(zhǔn)備的過(guò)程，研究證實(shí)數(shù)據(jù)預(yù)處理效果會(huì)影響算法的預(yù)測(cè)性能[18]。在文獻(xiàn)計(jì)量學(xué)中，研究者可使用Python刪除文獻(xiàn)數(shù)據(jù)關(guān)鍵詞中對(duì)研究無(wú)意義的詞，或?qū)⒍鄠€(gè)文獻(xiàn)數(shù)據(jù)庫(kù)中不同格式的文獻(xiàn)記錄通過(guò)Python語(yǔ)言整合為同一格式，便于導(dǎo)入統(tǒng)計(jì)分析軟件[19]，拓寬了數(shù)據(jù)來(lái)源范圍，更加全面地探索護(hù)理領(lǐng)域各專題的研究熱點(diǎn)和發(fā)展趨勢(shì)。除文本數(shù)據(jù)外，面對(duì)大量、冗雜的臨床護(hù)理量性數(shù)據(jù)，研究者可以使用Python語(yǔ)言按需制定預(yù)處理規(guī)則，節(jié)約大量人工重復(fù)操作的時(shí)間，如武俊偉等[20]使用Python對(duì)超過(guò)20萬(wàn)例患者的ICU數(shù)據(jù)進(jìn)行清洗，去除體溫＜30 ℃、心率和呼吸為0的無(wú)效測(cè)量值，為ICU急性呼吸窘迫綜合征患者數(shù)據(jù)的進(jìn)一步分析提供了支持。

2.3 機(jī)器學(xué)習(xí)

Python語(yǔ)言作為人工智能技術(shù)的主要依托語(yǔ)言，擁有豐富、強(qiáng)大的機(jī)器學(xué)習(xí)相關(guān)的第三方庫(kù)[11]，在護(hù)理領(lǐng)域已得到了初步應(yīng)用。

2.3.1 量性數(shù)據(jù)構(gòu)建預(yù)測(cè)模型

對(duì)于臨床量性數(shù)據(jù)，研究者可根據(jù)患者在特定時(shí)期內(nèi)的疾病發(fā)展結(jié)果或健康狀況的發(fā)生風(fēng)險(xiǎn)，使用Python語(yǔ)言構(gòu)建機(jī)器學(xué)習(xí)預(yù)測(cè)模型，為患者日后生活方式或護(hù)理干預(yù)方法提供決策支持。國(guó)外學(xué)者Padhy等[21]選用收集的數(shù)據(jù)和糖尿病數(shù)據(jù)庫(kù)中的數(shù)據(jù)，使用Python語(yǔ)言構(gòu)建糖尿病早期預(yù)測(cè)模型，發(fā)現(xiàn)隨機(jī)森林模型的準(zhǔn)確性達(dá)98.4%，且在靈敏度、特異性、精度和F測(cè)量方面優(yōu)于Logistic回歸等其他分類器。國(guó)內(nèi)學(xué)者武俊偉等[20]使用Python的sklearn庫(kù)分別構(gòu)建Logistic回歸、隨機(jī)森林模型和Light GBM模型，使用該庫(kù)中的校準(zhǔn)曲線比較各分類器的校準(zhǔn)效果，發(fā)現(xiàn)6～96 h時(shí)間窗口比6～24 h和6～48 h對(duì)預(yù)測(cè)急性呼吸窘迫綜合征病程是否會(huì)加重的準(zhǔn)確率及AUC均高，同時(shí)在該窗口期內(nèi)隨機(jī)森林模型的診斷性能最接近真實(shí)概率且遠(yuǎn)優(yōu)于Logistic回歸，進(jìn)而構(gòu)建了ICU急性呼吸窘迫綜合征早期預(yù)測(cè)的最優(yōu)模型。以上研究可見(jiàn)，傳統(tǒng)的多元回歸和Logistic回歸將逐漸被預(yù)測(cè)效能更優(yōu)的隨機(jī)森林等機(jī)器學(xué)習(xí)模型所替代，因此研究者可借助Python語(yǔ)言豐富的機(jī)器學(xué)習(xí)建模和評(píng)價(jià)的第三方庫(kù)，展開對(duì)多個(gè)的研究變量的統(tǒng)計(jì)分析，建立更加科學(xué)、實(shí)用的預(yù)測(cè)模型[22]，以解決復(fù)雜場(chǎng)景中的護(hù)理問(wèn)題。

2.3.2 文本數(shù)據(jù)構(gòu)建主題模型

對(duì)于文本數(shù)據(jù)，研究者在分析時(shí)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(jī)器學(xué)習(xí)的自然語(yǔ)言處理技術(shù)分析文本包含的態(tài)度、情緒和認(rèn)知得分的過(guò)程，以隱含狄利克雷分布（Latent Dirichlet Allocation，LDA）算法最為常見(jiàn)[23]。黃仁東等[24]采用Python的Snow NLP庫(kù)和PyLDAvis庫(kù)對(duì)微博“網(wǎng)約護(hù)士”詞條下的評(píng)論進(jìn)行LDA情感分析和文本分類，發(fā)現(xiàn)公眾對(duì)網(wǎng)約護(hù)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(zé)任”“服務(wù)模式”和“服務(wù)內(nèi)容”，進(jìn)而為網(wǎng)約護(hù)士相關(guān)護(hù)理政策的制定提供了參考。Guo等[19]基于推特網(wǎng)評(píng)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(rèn)識(shí)到新型冠狀病毒感染病情嚴(yán)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(gè)主題，為改善新型冠狀病毒感染患者的護(hù)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(gè)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(yǔ)言構(gòu)建LDA主題模型，對(duì)互聯(lián)網(wǎng)和社交媒體平臺(tái)中的大眾觀點(diǎn)進(jìn)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(xué)習(xí)提取圖像特征

深度學(xué)習(xí)作為機(jī)器學(xué)習(xí)的一個(gè)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(shí)別出患者圖像信息[26]。王巧真等[27]使用Python的深度學(xué)習(xí)框架PyTorch對(duì)患者臥床姿態(tài)的圖像數(shù)據(jù)進(jìn)行識(shí)別和分類，發(fā)現(xiàn)了對(duì)患者異常姿態(tài)圖像輪廓特征進(jìn)行提取的高效算法，實(shí)現(xiàn)了遠(yuǎn)程監(jiān)護(hù)場(chǎng)景下臥床患者異常姿態(tài)的自動(dòng)識(shí)別報(bào)警功能。除遠(yuǎn)程監(jiān)控系統(tǒng)外，基于Python語(yǔ)言的程序還可以嵌入硬件設(shè)備，識(shí)別和分析患者相關(guān)數(shù)據(jù)。Liu等[28]在養(yǎng)老服務(wù)機(jī)器人的系統(tǒng)中嵌入Python的OpenCV庫(kù)，對(duì)患者面部圖像數(shù)據(jù)進(jìn)行識(shí)別和分類，為機(jī)器人精準(zhǔn)導(dǎo)航提供了技術(shù)支持，使老人能按時(shí)、安全服藥，保障患者安全，促進(jìn)患者康復(fù)。研究者可以借助Python語(yǔ)言的深度學(xué)習(xí)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(shí)別患者行為，幫助護(hù)士及時(shí)準(zhǔn)確發(fā)現(xiàn)患者異常行為，便于制定后續(xù)護(hù)理計(jì)劃。

2.4 統(tǒng)計(jì)分析

對(duì)于文本數(shù)據(jù)，研究者常采用統(tǒng)計(jì)高頻詞的方法來(lái)發(fā)現(xiàn)某一研究領(lǐng)域不同時(shí)期的研究熱點(diǎn)和發(fā)展趨勢(shì)。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(kù)統(tǒng)計(jì)任意類型數(shù)據(jù)的出現(xiàn)頻次，或使用Numpy、Pandas等庫(kù)計(jì)算數(shù)據(jù)的中心性等評(píng)價(jià)指標(biāo)，還 可 聯(lián) 合SPSS、CiteSpace、VOSviewer、Gephi等軟件對(duì)文本數(shù)據(jù)進(jìn)行統(tǒng)計(jì)分析[29-30]。國(guó)外學(xué)者Kim等[30]使用Python語(yǔ)言將關(guān)鍵詞的出現(xiàn)頻次等指標(biāo)分別排序，探索醫(yī)療環(huán)境中護(hù)士接受跨專業(yè)教育的趨勢(shì)和特點(diǎn)，發(fā)現(xiàn)“跨專業(yè)”“教育”“學(xué)生”“護(hù)理”和“健康”出現(xiàn)次數(shù)最多，為護(hù)理學(xué)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(jìn)行文本網(wǎng)絡(luò)分析以挖掘其護(hù)理創(chuàng)業(yè)教育項(xiàng)目的文本數(shù)據(jù)，統(tǒng)計(jì)出詞頻最高的關(guān)鍵詞有“商業(yè)”“護(hù)理”“照護(hù)”“醫(yī)療保健”和“服務(wù)”，計(jì)算出中心性最高的關(guān)鍵詞有“使命”“愿景”和“團(tuán)隊(duì)”，提出管理部門應(yīng)提供護(hù)理創(chuàng)業(yè)支持以發(fā)展有競(jìng)爭(zhēng)力的護(hù)理服務(wù)并擴(kuò)大護(hù)理專業(yè)的知識(shí)范圍。國(guó)內(nèi)學(xué)者王嘯宇等[32]利用Python語(yǔ)言對(duì)49個(gè)城市的長(zhǎng)期護(hù)理保險(xiǎn)政策中的高頻詞進(jìn)行統(tǒng)計(jì)，為長(zhǎng)期護(hù)理保險(xiǎn)的制度設(shè)計(jì)提供了思路。

2.5 網(wǎng)絡(luò)編程

護(hù)理人員可以借助Python語(yǔ)言的網(wǎng)絡(luò)編程功能開發(fā)在線交互平臺(tái)，實(shí)現(xiàn)醫(yī)護(hù)患的遠(yuǎn)程交互，及時(shí)為臨床護(hù)理干預(yù)和護(hù)理決策提供支持。葉曉露等[33]應(yīng)用Python語(yǔ)言結(jié)合JavaScript進(jìn)行后端制作，探討基于無(wú)標(biāo)識(shí)運(yùn)動(dòng)捕捉技術(shù)的在線康復(fù)程序在乳腺癌術(shù)后居家患者中的應(yīng)用效果，有效增加了患者早期居家康復(fù)鍛煉的依從性，有利于術(shù)后居家患者的快速康復(fù)。賈會(huì)英等[34]使用Python網(wǎng)絡(luò)編程框架結(jié)合臨床護(hù)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(luò)平臺(tái)，交互式地探索和解釋了慢性病共病患者疾病管理問(wèn)題，并以可視化的方式完善了慢性病共病患者護(hù)理決策的共享，為臨床醫(yī)護(hù)人員和患者提供了極佳的慢性病共病患者管理指導(dǎo)。

2.6 自主開發(fā)整合多功能的第三方庫(kù)

除Python語(yǔ)言既有的第三方庫(kù)之外，研究者還可以按實(shí)際需求通過(guò)其開源社區(qū)自主編寫第三方庫(kù)，為數(shù)據(jù)處理的過(guò)程提供便利，精簡(jiǎn)研究范式。英國(guó)劍橋大學(xué)、美國(guó)麻省理工學(xué)院和美國(guó)瑞輝公司的研究團(tuán)隊(duì)[35]聯(lián)合編寫了一個(gè)用于可穿戴設(shè)備傳感器數(shù)據(jù)預(yù)處理的Python庫(kù)“SciKit Digital Health”，通過(guò)多種算法對(duì)患者步態(tài)、坐到站、身體活動(dòng)和睡眠的臨床特征數(shù)據(jù)進(jìn)行采集、預(yù)處理和分析。除患者臨床數(shù)據(jù)外，波蘭、葡萄牙和中國(guó)學(xué)者的研究團(tuán)隊(duì)[36]為了更好地評(píng)估患者的醫(yī)療保健服務(wù)體驗(yàn)，聯(lián)合開發(fā)了基于Python語(yǔ)言的“文本自動(dòng)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(yǔ)言的數(shù)據(jù)，同時(shí)能有效、低成本地分析患者對(duì)于衛(wèi)生服務(wù)的體驗(yàn)并評(píng)估其滿意度。以上研究者根據(jù)不同需求自主編寫Python語(yǔ)言第三方庫(kù)，將數(shù)據(jù)采集、數(shù)據(jù)預(yù)處理和數(shù)據(jù)分析等功能按需連接在一起，簡(jiǎn)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(yǔ)言免費(fèi)開源的特點(diǎn)廣為研究者所用，借助Python語(yǔ)言創(chuàng)新了大數(shù)據(jù)時(shí)代下醫(yī)療護(hù)理領(lǐng)域的研究工具，值得國(guó)內(nèi)醫(yī)療護(hù)理領(lǐng)域的學(xué)者借鑒。

3 Python語(yǔ)言在護(hù)理研究領(lǐng)域的應(yīng)用展望

3.1 Python語(yǔ)言功能在護(hù)理研究領(lǐng)域的應(yīng)用有待繼續(xù)開拓

Python語(yǔ)言除常用功能外，其豐富的生態(tài)和第三方庫(kù)同樣值得護(hù)理人員大力挖掘。對(duì)于護(hù)理研究者，未來(lái)可借助Python語(yǔ)言探討不同統(tǒng)計(jì)學(xué)方法所用公式的準(zhǔn)確性和可信度，嘗試使用科學(xué)計(jì)算庫(kù)、數(shù)據(jù)處理庫(kù)等高效數(shù)據(jù)分析框架開發(fā)適用于不同護(hù)理研究方法的統(tǒng)計(jì)分析軟件，還可以使用Porter Stemmer庫(kù)進(jìn)行詞形歸并和詞根提取，嘗試編寫和構(gòu)建護(hù)理領(lǐng)域?qū)ｉT的語(yǔ)料庫(kù)[37]，并以其免費(fèi)開源的特點(diǎn)供廣大護(hù)理研究者學(xué)習(xí)和使用；對(duì)于臨床護(hù)士，未來(lái)可嘗試使用Python語(yǔ)言開發(fā)不同?？萍膊〉淖o(hù)理干預(yù)軟件，如使用游戲開發(fā)庫(kù)、多媒體信息處理庫(kù)、圖形界面庫(kù)、網(wǎng)絡(luò)編程庫(kù)等[38]設(shè)計(jì)教學(xué)游戲或進(jìn)一步優(yōu)化護(hù)理信息平臺(tái)，進(jìn)而探索其在患者健康教育或臨床護(hù)理教學(xué)中的應(yīng)用效果；對(duì)于護(hù)理管理者和護(hù)理教育者，未來(lái)可關(guān)注護(hù)理教師的授課安排、實(shí)習(xí)和規(guī)培護(hù)士輪轉(zhuǎn)科室順序等工作，借助Python語(yǔ)言的相關(guān)庫(kù)設(shè)計(jì)日歷和日程安排，進(jìn)一步優(yōu)化排班表，探索更加合理的護(hù)理人員排班與作息制度[39]。

3.2 醫(yī)工交叉發(fā)展趨勢(shì)需要“護(hù)理+Python”的人才儲(chǔ)備

醫(yī)工交叉是指將工程學(xué)或信息學(xué)的技術(shù)和工具應(yīng)用在醫(yī)療衛(wèi)生領(lǐng)域中，在此發(fā)展趨勢(shì)下，大數(shù)據(jù)和人工智能等新技術(shù)在一定程度上推動(dòng)了護(hù)理領(lǐng)域的發(fā)展進(jìn)程[40]，但同時(shí)也對(duì)護(hù)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(yǔ)言，擁有易學(xué)、易拓展、免費(fèi)、開源、功能豐富等特性[11]，無(wú)疑將成為護(hù)理人員邁入工程學(xué)或信息學(xué)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(hù)理人才，以醫(yī)工交叉的跨學(xué)科視角加速護(hù)理領(lǐng)域的發(fā)展。盡管Python語(yǔ)言已在計(jì)算機(jī)科學(xué)等領(lǐng)域得到了廣泛應(yīng)用，但其在護(hù)理領(lǐng)域的應(yīng)用尚處于起步階段，因此鼓勵(lì)護(hù)理人員通過(guò)各種途徑學(xué)習(xí)Python語(yǔ)言，自由、主動(dòng)地探索和創(chuàng)新Python語(yǔ)言在護(hù)理領(lǐng)域中的應(yīng)用前景，突破現(xiàn)有工具的局限，拓寬護(hù)理研究方法的廣度和深度，在國(guó)家政策的引領(lǐng)下讓更多護(hù)理人員通過(guò)技術(shù)賦能提升護(hù)理學(xué)科的發(fā)展實(shí)力。

3.3 Python語(yǔ)言在護(hù)理研究領(lǐng)域應(yīng)用的規(guī)范性和倫理考量值得關(guān)注

護(hù)理人員借助Python語(yǔ)言拓寬了研究視野，在大數(shù)據(jù)時(shí)代更加全面地挖掘了互聯(lián)網(wǎng)和社交媒體平臺(tái)中與護(hù)理領(lǐng)域相關(guān)主題的熱點(diǎn)和趨勢(shì)，通過(guò)創(chuàng)新的工具和視角一定程度上提升了護(hù)理研究的質(zhì)量，但對(duì)于Python語(yǔ)言不同功能的實(shí)際應(yīng)用還需要進(jìn)一步規(guī)范。以Python網(wǎng)絡(luò)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(luò)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(wèn)題已成為當(dāng)今數(shù)據(jù)科學(xué)領(lǐng)域的熱門話題，因此護(hù)理研究者須對(duì)患者數(shù)據(jù)的使用格外敏感[42]，如何在Python語(yǔ)言“開源”的使用過(guò)程中保護(hù)患者隱私，應(yīng)是任何相關(guān)研究的首要考慮因素。鑒于此，管理者未來(lái)需要針對(duì)不同護(hù)理研究場(chǎng)景制定更加全面的服務(wù)條款以規(guī)范研究者對(duì)Python語(yǔ)言的使用，在倫理可行的基礎(chǔ)上，借助Python語(yǔ)言推動(dòng)護(hù)理領(lǐng)域發(fā)展的同時(shí)體現(xiàn)“以患者為中心”的護(hù)理理念。

4 小結(jié)

Python語(yǔ)言的網(wǎng)絡(luò)爬蟲、數(shù)據(jù)預(yù)處理、機(jī)器學(xué)習(xí)、統(tǒng)計(jì)分析和網(wǎng)絡(luò)編程等功能在護(hù)理研究領(lǐng)域得到了初步應(yīng)用，護(hù)理人員可結(jié)合實(shí)際需求選擇Python語(yǔ)言相應(yīng)的功能展開研究。隨著信息化時(shí)代的不斷發(fā)展和大眾健康需求的持續(xù)增加，Python語(yǔ)言突顯其在護(hù)理研究領(lǐng)域中應(yīng)用的巨大潛力之余，也存在一定的挑戰(zhàn)，未來(lái)研究者可深入挖掘其在護(hù)理領(lǐng)域中可能發(fā)揮的價(jià)值，以創(chuàng)新的視角和工具更好地推動(dòng)護(hù)理領(lǐng)域的發(fā)展。