MétaCan
Menu
Retour à la cohorte
Enregistrement W2127017172 · doi:10.1097/01.nurse.0000390684.33761.83

Demystifying skin tears, part 1

2010· article· en· W2127017172 sur OpenAlex
Kimberly LeBlanc, Dawn Christensen

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueNursing · 2010
Typearticle
Langueen
DomaineHealth Professions
ThématiquePressure Ulcer Prevention and Management
Établissements canadiensProfessional Engineers Ontario
Organismes subventionnairesnon disponible
Mots-clésTearsMedicineDermisButtocksDermatologySurgeryPathology

Résumé

récupéré en direct d'OpenAlex

SKIN TEARS are a challenging type of laceration commonly seen in older adults but frequently mismanaged. In the United States, 1.5 million skin tears occur each year in older adults who are hospitalized or living in long-term-care facilities.1 This article focuses on understanding skin tears and which patients are at risk. Part 2 will focus on managing and preventing skin tears. Shearing and friction Skin tears are traumatic wounds, most often occurring on the extremities, in which shearing or friction causes the epidermis to separate from the dermis, or the epidermis and the dermis to separate from underlying structures.2 Older adults are at higher risk for skin tears for various age-related reasons (more on these shortly).3 Compared to more extensive and costly pressure ulcers, skin tears are often considered minor, inconsequential wounds. In reality, these wounds are painful and can lead to complications such as infection if not treated appropriately.4 Nearly 80% of skin tears occur on the arms and hands, but they can occur anywhere on the body; on the buttocks and back, they can be mistaken for Stage II pressure ulcers.1 The Payne-Martin Classification for Skin Tears is widely used in research and in the literature to define and classify these wounds (see Classifying skin tears).3,5 Age-related changes Skin changes associated with aging increase the risk of skin tears and interfere with normal wound healing.1,2Intrinsic risk factors include dermal and subcutaneous tissue loss, epidermal thinning, and serum composition changes, which mean that older adults have decreased skin surface moisture, reduced skin elasticity, and reduced skin tensile strength.1 The risk of skin tears is further increased by dehydration, poor nutrition, cognitive impairment, altered mobility, and decreased sensation.3,6Figure: Classifying skin tears7Extrinsic risk factors include the risk of mechanical trauma and the need for assistance with bathing, dressing, toileting, and transferring. Patients dependent on others for total care are at the greatest risk for skin tears. Because soaps reduce the skin's natural lubrication, frequent bathing coupled with the natural decrease in lubrication associated with aging can increase an older adult's risk for skin tears.4,5 In a future article, we'll explore how you can manage and prevent skin tears.

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.

Prédiction distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,845
Score d'incertitude au seuil0,998

Scores Codex et Gemma par catégorie

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

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 Opus0,059
Tête enseignante GPT0,457
Écart entre enseignants0,398 · 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