A summary of evidence for diabetic foot assessment
Notice bibliographique
Résumé
Objective To search, appraise and summarize the best evidence of the diabetic foot assessment and provide a reference for the standardization of the clinical diabetic foot evaluation in China. Methods On the computer, the following websites as well as databases were searched: National Guideline Clearinghouse (NGC) of the USA, Registered Nurses' Association of Ontario (RNAO) , National Institute for Health and Care Excellence (NICE) of UK, the Scottish Intercollegiate Guidelines Network (SIGN) , New England Guidelines Group (NEGG) , International Guidelines Network (IGN) , American Center for Disease Control and Prevention (ACDC) , World Council of Enterostomal therapists (WCET) , Wound Ostomy Continence Nurses Society (WOCN) , the International Working Group on Diabetic Foot (IWGDF) , American Society for Wound Healing, American Diabetes Association (ADA) , American Society for Vascular Surgery (ASVS) , Society of Endocrinology of Chinese Medical Association, Clinical evidence, PubMed, ProQuest, Web of Science, Clinical Key, CINAHL, Best Practice, CNKI, VIP, Wanfang Data, Medlive from January of 2010 to July of 2018 about all evidence-based clinical practice guidelines and systematic reviews on assessment of diabetic foot. Two researchers evaluated the quality of the articles and performed materials extraction, and extracted the evidence from the qualified articles. Results A total of 7 articles were included among which 6 were guidelines and 1 was systemic review. After analyzing them, 9 categories and 32 items of the best evidence contents about diabetic foot assessment were concluded. Conclusions This study summarizes the best evidence for assessment of diabetic foot and provide evidence basis for medical institutions to improve clinical practice of diabetic foot assessment. When applying the evidence into clinical practice, it is necessary to evaluate specific situations, consider patients' values and willingness and select targeted evidence accordingly. Key words: Diabetic foot; Foot ulcer; Assessment; Best evidence; Evidence summary
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 | 0,014 | 0,083 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,006 | 0,008 |
| Bibliométrie | 0,024 | 0,013 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,006 | 0,004 |
| Science ouverte | 0,003 | 0,002 |
| Intégrité de la recherche | 0,004 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,014 | 0,002 |
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 ».