Factors Associated with Pressure Ulcers in Adults in Acute Care Hospitals
Notice bibliographique
Résumé
OBJECTIVES: To identify and describe the relationship of factors associated with pressure ulcers in adults in acute care hospitals. DESIGN: Cross-sectional prevalence studies. SETTING: University teaching hospital. PATIENTS: Prevalence studies conducted from 1993 to 1995 with a total of 1992 subjects served as the derivation sample and a 1996 prevalence study with 581 subjects served as the validation sample. MAIN OUTCOME MEASURES: Pressure ulcers and the Braden risk assessment subscale scores. DATA ANALYSIS: Logistic regression analysis was used to derive a model that fit the data and performed well at identifying factors associated with pressure ulcers. Performance of the model, in terms of calibration, was statistically evaluated using the Hosmer-Lemeshow goodness-of-fit test. The effectiveness of the model, in terms of discrimination, was assessed by considering the cut-off values using 2 by 2 classification tables to measure the overall percentage of subjects correctly classified in the validation sample. MAIN RESULTS: Factors associated with pressure ulcers in adults in acute care hospitals were identified as age, male gender, sensory perception, moisture, mobility, nutrition, and friction/shear. Three interactions were also found to be associated with pressure ulcers; 2 interactions (age and sensory perception and moisture and sensory perception) were negatively associated and 1 interaction (nutrition and gender/male) was positively associated with pressure ulcers. The Hosmer-Lemeshow goodness-of-fit test for the derivation sample (.76) and the validation sample (.79) indicated that the model was well calibrated and a good fit. The overall percentage of subjects correctly classified using the validation sample was 88%, indicating that the model performed well. CONCLUSIONS: : This study enhances the knowledge of the relationship of factors associated with pressure ulcers in adults in acute care populations and enhances the use and relative importance of particular Braden Scale sub-scales.
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 | 0,001 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 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) | 0,002 | 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 ».