COVID-19 and Hospital-Acquired Pressure Injuries: A Systematic Review
Notice bibliographique
Résumé
OBJECTIVE: To investigate the relationship between COVID-19-related variables and hospital-acquired pressure injury (HAPI) incidence. DATA SOURCES: The authors searched four databases: Cochrane, MEDLINE, EMBASE, and CINAHL. The literature search contained key terms such as "COVID-19," "hospital-acquired pressure injuries," "pressure ulcer," "pressure injury," "decubitus ulcer," and "hospitalization." STUDY SELECTION: The systematic search of the literature identified 489 publications that matched the inclusion criteria. Articles were included in the review if they were peer-reviewed publications that reported HAPI incidence for patients who were hospitalized and COVID-19 positive. Two reviewers performed the screen simultaneously, and 19 publications were included. DATA EXTRACTION: Two reviewers followed a standardized extraction form that included study and patient characteristics, COVID-19 status, HAPI characteristics, prone positioning, length of hospitalization, and HAPI prevention and treatment strategies. DATA SYNTHESIS: The authors carried out a narrative synthesis of the extracted data because the data obtained were too heterogeneous for meta-analysis. The primary outcome was HAPI incidence. CONCLUSIONS: This review identified that HAPI incidence was high among men who were COVID-19 positive, had longer hospital stays, experienced prone positioning, and had care teams without a skin and wound care expert. Future research should use more robust methodology and focus on quantitative modeling to iteratively improve inpatient HAPI guidelines.
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 | 0,002 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,004 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».