Utility of a sensor‐based technology to assist in the prevention of pressure ulcers: A clinical comparison
Notice bibliographique
Résumé
Detection of subcutaneous tissue damage before it is visible can trigger early intervention and decrease hospital-acquired pressure ulcer (HAPU) rates. The objective of this two-phase study was to evaluate the clinical utility of the Sub-Epidermal Moisture (SEM) Scanner (Bruin Biometrics (BBI), LLC), a hand-held device that assesses increases in interstitial fluid or subepidermal moisture, indicating early tissue damage. Phase 1: Patients were provided standard-of-care risk assessment and interventions and were scanned with the SEM Scanner, but the resulting SEM scores were not used to determine interventions. This gave a baseline pressure ulcer incidence rate. Phase 2: This phase is the same as Phase 1 except the resulting SEM scores were used in conjunction with risk assessment scores to determine appropriate interventions and care planning. In Phase 1, 12 of the 89 subjects or 13.5% developed visible pressure ulcers-4 Stage I's, 6 Stage II's, 1 Stage III, and 1 deep tissue injury. In Phase 2, 2 of the 195 subjects or 1.0% developed visible pressure ulcers-1 Stage I and 1 Stage II. Patients in Phase 2 were more incontinent, less mobile, and had longer lengths of stay than those in Phase 1. Use of the Scanner resulted in a 93% decrease in HAPU. No deep injuries developed in Phase 2.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,006 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».