Comparing physical assessment with administrative data for detecting pressure ulcers in a large Canadian academic health sciences centre
Notice bibliographique
Résumé
OBJECTIVE: This study aimed to compare classification of pressure ulcers from administrative data with a gold standard assessment, specifically; pressure ulcers confirmed by an independent physical assessment performed by trained nurse surveyors. SETTING: A retrospective analysis of pooled cross-sectional samples of inpatients assessed across 3 consecutive prevalence surveys in a large academic health sciences centre between 2012 and 2013. PARTICIPANTS: There were 2001 patients for whom physical and chart assessments were completed, and for whom a discharge abstract was also available at the time of analysis. The cohort's mean age was 65 years and 55% were women. RESULTS: Based on the physical assessment findings, 14.6% of patients (n=292) had at least 1 pressure ulcer, with a total of 345 pressure ulcers documented among these patients: (stage I=162; stage II=120; stage III=22; stage IV=22 and unstageable=19). Based on coded information, 78 (3.9%) of patients had a pressure ulcer. Of patients with a pressure ulcer determined by the physical assessment, only 21% also had a pressure ulcer captured in the administrative data. Furthermore, only 6% of the patients with a hospital-acquired pressure ulcer, stage II or greater determined by the physical assessment were coded in the Discharge Abstract Database (DAD). CONCLUSIONS: The results of this study demonstrate that coding in the DAD may under-report and fail to accurately reflect the true burden of pressure ulcers in hospitalised patients. This may occur because the presence of pressure ulcers is currently documented in the health record by nurses and not by physicians, yet the administrative data recorded in the DAD only includes physician documented pressure ulcers. We recommend enhancements to the coding methods to monitor and report on pressure ulcers.
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 | 0,004 | 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 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».