Skin and Wound Map From 23,453 Nursing Home Resident Records: Relative Prevalence Study
Notice bibliographique
Résumé
Background: The overall distribution of all skin and wound problems experienced by residents in skilled nursing facilities, with respect to the location on the body, is poorly understood. Previous studies focused largely on one disease type, rather than all possible skin lesions. Hence, the relative distribution of skin and wound problems as mapped on the body has not previously been reported. In addition, existing data come mainly from clinical studies and voluntarily reported statistics; unbiased real-world evidence is lacking. Objective: The aim of this study was to understand the type and location of skin and wound lesions found in skilled nursing facilities and to map these on the body. Methods: Data from 23,453 wounds were used to generate heat maps to identify the most common areas of skin and wound lesions, as well as the most common wound types at different body locations. Results: The most common wound types were abrasion (8792/23,453, 37.49%), pressure ulcers (4089/23,453, 17.43%), surgical wounds (3107/23,453, 13.25%), skin tears (2206/23,453, 9.41%), and moisture-associated skin damage (959/23,453, 4.09%). The most common skin and wound locations were the coccyx (962/23,453, 4.10%), right (853/23,453, 3.64%) and left (841/23,453, 3.59%) forearms, and sacrum (818/23,453, 3.49%). Conclusions: Here, we present the body location hot spots of skin and wound lesions experienced by residents of skilled nursing facilities. In addition, the relative prevalence of these conditions is presented. We believe that identifying areas on the body prone to preventable wounds can help direct actions by care workers and improve the quality of care for skilled nursing residents. This study represents an example of how analysis of specialized electronic medical records can be used to generate insights to educate and inform facility managers where to focus their efforts to prevent these injuries from occurring, not only from retrospective database analysis but also in near real time.
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 | 0,000 | 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 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
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.
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».