Professionals’ Knowledge, Attitudes, and Practices Related to Pressure Injuries in Canada
Notice bibliographique
Résumé
BACKGROUND: Pressure injuries (PIs) represent a significant burden on the healthcare system and have a negative impact on the quality of life of those affected by these wounds. Despite best practice guidelines and other protocols to help healthcare facilities prevent PIs, the prevalence of PIs in Canada across all healthcare settings is concerning. OBJECTIVE: To describe the pattern of PI prevention and identify national priorities and opportunities to address PIs. METHODS: A descriptive, cross-sectional, online survey was created between August and December 2017 to explore Canadian healthcare professionals' knowledge, attitudes, and practices related to PIs. RESULTS: In total, 590 surveys were completed. Eighty-five percent of respondents confirmed that PIs occur in their work environments, and 29% claimed PIs are a frequent occurrence. Most of the respondents (91%) confirmed that they were part of a team that treats PIs. Of the 590 participants, 90% confirmed that they are aware of PI prevention devices and technologies. Between 80% and 90% attest to using offloading devices including prophylactic dressings to prevent PIs, but only 20% instituted measures to address moisture-associated skin damage. CONCLUSIONS: The findings from this survey have highlighted a disconnect between Canadian healthcare professionals' awareness of PIs and the implementation of best practices for PI prevention. It is evident that, although the majority of respondents were aware of PIs and related treatment protocols, barriers still exist that impede optimized care and treatment.
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 | 0,002 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,004 | 0,001 |
| Communication savante | 0,002 | 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) | 0,004 | 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 ».