[Effect of the guideline implementation "Risk assessment and prevention of pressure ulcers" of the Registered Nurses'Association of Ontario (RNAO).]
Notice bibliographique
Résumé
OBJECTIVE: The Best Practice Spotlight Organizations Program is being developed in Spain to reduce the variability of clinical practice by implementing clinical practice guidelines from the Registered Nurses' Association of Ontario. This study described the results of the implementation of the guide "Risk assessment and prevention of pressure ulcers". METHODS: We carried out a retrospective observational study (2015-2018) at the Hospital Universitario Virgen de las Nieves on 4,464 patients from 22 hospitalization units, analyzing type of unit, risk assessment, preventive measures, origin and category of ulcers. Descriptive analysis and contingency tables were performed with the Chi-square statistic p<0.05. RESULTS: The patients at risk were 62.2% in medical units, 53.4% in surgical units and 90% in intensive care. The application of preventive measures was 67.9%, 60.2% and 92.1% (respectively) for each unit. In medical units, 13.1% of pressure ulcers were identified, of which 68.1% were present at the time of admission. While in surgical units and intensive care they developed during hospitalization (60.8% and 88.9% respectively) (p<0.001). The presence of ulcers seemed to show a decreasing trend in the years analyzed (19.6% to 11.2%). CONCLUSIONS: There are favorable environments for implantation (medical units and intensive care) that reflect a higher level of risk assessment, use of pressure management surfaces and a decrease in prevalence. The recommendations have not been implemented homogeneously, with differences depending on the type of unit.
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 | 0,003 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| 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 ».