Diagnósticos de enfermagem mais utilizados em um hospital de urgência e emergência considerando a taxonomia da NANDA
Notice bibliographique
Résumé
Objetivo: Identificar os diagnósticos de enfermagem frente as principais patologias observadas em um setor de urgência e emergência, entre os anos de 2017 a 2018, assim como, a importância da utilização da SAE como instrumento principal do enfermeiro ao paciente atendido no setor de Urgência e Emergência. Métodos: Trata-se de um estudo exploratório qualitativo, descritivo do tipo retrospectivo com investigação documental dos atendimentos realizados e após a elaboração de um quadro com os principais diagnósticos de enfermagem frente as patologias adquiridas. Resultados: Os dados foram fornecidos pelo Departamento de Informática do Sistema Único de Saúde (DATASUS), disponibilizado no TABNET, selecionando as principais patologias que foram atendidas no setor de urgência e emergência, e definindo os principais diagnósticos de enfermagem utilizando-se a NANDA 2018-2020 como guia para a seleção de diagnósticos e intervenções. Conclusão: Obteve-se 51 diagnósticos de enfermagem no total, os de maior prevalência foram: Risco de integridade da pele prejudicada e risco de desequilíbrio eletrolítico correspondendo respectivamente a 5,88%, representando um total de 11,76%.
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 | 0,004 | 0,016 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,006 | 0,004 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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; 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 ».