MétaCan
Menu
Retour à la cohorte
Enregistrement W1534592189 · doi:10.3390/healthcare3030574

Improving Outcomes by Implementing a Pressure Ulcer Prevention Program (PUPP): Going beyond the Basics

2015· article· en· W1534592189 sur OpenAlexaboutno aff
Amparo Cano, Debbie Anglade, Hope Stamp, Fortunata Joaquin, Jennifer López, Lori Lupe, Steven Schmidt, Daniel L. Young

Notice bibliographique

RevueHealthcare · 2015
Typearticle
Langueen
DomaineHealth Professions
ThématiquePressure Ulcer Prevention and Management
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésPsychological interventionQuarter (Canadian coin)MedicineMiamiHealth careIncidence (geometry)GerontologyNursingFamily medicinePolitical science

Résumé

récupéré en direct d'OpenAlex

A multidisciplinary process improvement program was initiated at the University of Miami Hospital (UMH) in 2009 to identify the prevalence of hospital-acquired pressure ulcers (HAPU) at the institution and to implement interventions to reduce the incidence of HAPU. This deliberate and thoughtful committee-driven process evaluated care, monitored results, and designed evidence-based strategic initiatives to manage and reduce the rate of HAPU. As a result all inpatient beds were replaced with support surfaces, updated care delivery protocols were created, and monitored, turning schedules were addressed, and a wound, ostomy, and continence (WOC) nurse and support staff were hired. These initial interventions resulted in a decrease in the prevalence of HAPU at UMH from 11.7% of stage II to IV ulcers in the second quarter, 2009 to 2.1% the third quarter. The rate remained at or near the 2009 UMH benchmark of 3.1% until the first quarter of 2012 when the rate rose to 4.1%. At that time new skin products were introduced into practice and continuing re-education was provided. The rate of HAPU dropped to 2.76% by the second quarter of 2012 and has remained steadily low at 1%-2% for nine consecutive quarters.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,012
score de la tête « metaresearch » (Gemma)0,021
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,012
Score d'incertitude au seuil0,064

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0120,021
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0020,002
Science ouverte0,0010,003
Intégrité de la recherche0,0010,003
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,085
Tête enseignante GPT0,461
Écart entre enseignants0,375 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations21
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueHealthcareMême sujetPressure Ulcer Prevention and ManagementTravaux en français237 207