Necessary Products for the Prevention and Treatment of Pressure Injuries: Lessons Learned That Translate Beyond the COVID-19 Pandemic
Notice bibliographique
Résumé
OBJECTIVE: To identify the challenges encountered in obtaining the required support surfaces and products to meet pressure injury (PrI) prevention and treatment needs during COVID-19. METHODS: The authors used SurveyMonkey to gather data on healthcare perceptions and the challenges experienced regarding specific product categories deemed necessary for PrI prevention and treatment in US acute care settings during the pandemic. They created three anonymous surveys for the target populations of supply chain personnel and healthcare workers. The surveys addressed healthcare workers' perceptions, product requests, and the ability to fulfill product requests and meet facility protocols without substitution in the categories of support surfaces and skin and wound care supplies. RESULTS: Respondents answered one of the three surveys for a total sample of 174 respondents. Despite specific instructions, nurses responded to the surveys designed for supply chain personnel. Their responses and comments were interesting and capture their perspectives and insights. Three themes emerged from the responses and general comments: (1) expectations differed between supply chain staff and nurses for what was required for PrI prevention and treatment; (2) inappropriate substitution with or without proper staff education occurred; and (3) preparedness. CONCLUSIONS: It is important to identify experiences and challenges in the acquisition and availability of appropriate equipment and products for PrI prevention and treatment. To foster ideal PrI prevention and treatment outcomes, a proactive approach is required to face daily issues or the next crisis.
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 | 0,000 |
| 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 | 0,001 | 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 ».