Managing urinary incontinence in older people in hospital: a best practice implementation project
Notice bibliographique
Résumé
OBJECTIVES: This project aimed to improve care in managing urinary incontinence in older patients admitted to a medium-to-long-stay hospital by developing and implementing strategies to improve the compliance with best practice in managing urinary incontinence and decrease its prevalence. INTRODUCTION: Urinary incontinence (UI) is a major problem in hospitalized older people and is of great significance to public health. The application of evidence-based recommendations for this problem could be expected to improve the quality of care. METHODS: The project used the Joanna Briggs Institute's Practical Application of Clinical Evidence System and Getting Research into Practice audit tools for promoting change in healthcare practice. Participants were evaluated at baseline and at two follow-ups at three and six months after key strategies had been implemented. The location of this implementation project was the functional rehabilitation ward of a medium-to-long-stay Spanish hospital. RESULTS: In baseline audit there were four process criteria with a high level of compliance: two criteria with 35% and 44% respectively and one criterion without compliance. Action was taken to address the four barriers identified, leading to an increase in all cases except one, which was related to the characteristics of the patient. Prevalence of urinary incontinence decreased at follow-up. CONCLUSIONS: The development and implementation of strategies improved quality of care. This project obtained positive results in patient health, and the implementation of the strategies used decreased the prevalence of urinary incontinence in patients.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| 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 ».