MétaCan
Menu
Retour à la cohorte
Enregistrement W2802561742 · doi:10.2196/diabetes.8316

Models Used in Clinical Decision Support Systems Supporting Healthcare Professionals Treating Chronic Wounds: Systematic Literature Review

2018· review· en· W2802561742 sur OpenAlex
Clara Schaarup, Louise Pape-Haugaard, Ole Hejlesen

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.

venuePublié dans une revue dont le pays d'attache est le Canada.
no affAucune affiliation canadienne : ce travail est invisible pour une base fondée sur la seule affiliation.
Aucune affiliation canadienne. Une base fondée sur la seule affiliation (le devis habituel) n'aurait jamais vu ce travail. C'est l'un des travaux qui justifient l'inversion de la base.

Notice bibliographique

RevueJMIR Diabetes · 2018
Typereview
Langueen
DomaineHealth Professions
ThématiquePressure Ulcer Prevention and Management
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésHealth professionalsSystematic reviewHealth careHealthcare systemMedicineClinical decision makingNursingIntensive care medicineMEDLINEPolitical science

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Chronic wounds such as diabetic foot ulcers, venous leg ulcers, and pressure ulcers are a massive burden to health care facilities. Many randomized controlled trials on different wound care elements have been conducted and published in the Cochrane Library, all of which have only a low evidential basis. Thus, health care professionals are forced to rely on their own experience when making decisions regarding wound care. To progress from experience-based practice to evidence-based wound care practice, clinical decision support systems (CDSS) that help health care providers with decision-making in a clinical workflow have been developed. These systems have proven useful in many areas of the health care sector, partly because they have increased the quality of care, and partially because they have generated a solid basis for evidence-based practice. However, no systematic reviews focus on CDSS within the field of wound care to chronic wounds. OBJECTIVE: The aims of this systematic literature review are (1) to identify models used in CDSS that support health care professionals treating chronic wounds, and (2) to classify each clinical decision support model according to selected variables and to create an overview. METHODS: A systematic review was conducted using 6 databases. This systematic literature review follows the Preferred Reporting Items for Systematic Reviews and Meta-Analyses statement for systematic reviews. The search strategy consisted of three facets, respectively: Facet 1 (Algorithm), Facet 2 (Wound care) and Facet 3 (Clinical decision support system). Studies based on acute wounds or trauma were excluded. Similarly, studies that presented guidelines, protocols and instructions were excluded, since they do not require progression along an active chain of reasoning from the clinicians, just their focus. Finally, studies were excluded if they had not undergone a peer review process. The following aspects were extracted from each article: authors, year, country, the sample size of data and variables describing the type of clinical decision support models. The decision support models were classified in 2 ways: quantitative decision support models, and qualitative decision support models. RESULTS: The final number of studies included in the systematic literature review was 10. These clinical decision support models included 4/10 (40%) quantitative decision support models and 6/10 (60%) qualitative decision support models. The earliest article was published in 2007, and the most recent was from 2015. CONCLUSIONS: The clinical decision support models were targeted at a variety of different types of chronic wounds. The degree of accessibility of the inference engines varied. Quantitative models served as the engine and were invisible to the health care professionals, while qualitative models required interaction with the user.

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)0,019
score de la tête « metaresearch » (Gemma)0,002
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Intégrité de la recherche, Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesIntégrité de la recherche
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Revue systématique · Signal consensuel: Revue systématique
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,284
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0190,002
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0080,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
Communication savante0,0000,001
Science ouverte0,0010,001
Intégrité de la recherche0,0020,003
Charge utile insuffisante (le modèle a refusé de juger)0,0000,001

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 Opus0,129
Tête enseignante GPT0,533
Écart entre enseignants0,405 · 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