Exploring the role of the Tissue Viability Nurse
Notice bibliographique
Résumé
Aim: To explore the role and identify key responsibilities of the Tissue Viability Nurse (TVN) in the UK. Methods: Mixed methodology using questionnaires distributed via SurveyMonkey and semi-structured interviews. Results: 261 respondents completed the online questionnaire and seven participated in semi-structured interviews. Of the 261 respondents to the questionnaire, 63.7% were employed as TVNs. Almost all respondents claimed to have access to a tissue viability service and the mean TVN team size was 4.7. Some 81.9% of respondents stated they had a team vision, with 75.9% stating that their service had set criteria for referrals. Analysis showed a statistical significance (χ2 (1)=16.6; p<0.001) between TVNs’ and non-TVNs’ knowledge of the referral criteria, with the latter being more aware. There was a variety of other titles used for the role, with interviewees affirming this was poorly understood by patients. Discussion: The results of this study identified that there is no national job title for the TVN role. Data identified that patients do not fully understand the title ‘Tissue Viability Nurse’. The TVN role is complex and not just about the management of a wound. However, what is also clear from the analysis of the data is that there are no clear criteria, or educational level, for the role. Data also suggest that review of current service provision, including partnership working with the multidisciplinary team and industry, is required to develop national competencies, guidance and quality assurance measures.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».