Whole versus hole: enabling community nurses to implement holistic wound care
Notice bibliographique
Résumé
OBJECTIVE: To improve wound-related quality of life (QoL) in clients with hard-to-heal wounds in their lower limbs and to increase referrals to multidisciplinary teams in the management of care for these clients. METHOD: This was a quality improvement project with a two-group pretest-posttest interventional evaluation design. We implemented a package of interventions including the WounDS app, education related to wound care, and client engagement through a QoL self-assessment. Wound-related QoL was measured using the Cardiff Wound Impact Schedule and referrals to the multidisciplinary team were tracked through chart audits. We explored nurses' experiences with the interventions through semi-structured interviews. RESULTS: Clients' average ratings for 'wellbeing', 'physical symptoms and daily living', and 'overall QoL' improved by 27%, 38% and 54%, respectively. The number of referrals increased by 78% post intervention. Nurses described the interventions as effective strategies that motivated them to implement a holistic approach to care. CONCLUSION: The project was successful in creating a culture shift to practice holistic wound care. This package of interventions (WounDS app, education and client self-assessment of QoL) led to improvements in the QoL of clients with hard-to-heal wounds. Further studies are needed to generalise the findings. Strategies for sustainability include forming a champion group and providing the education and decision supports based on nurses' educational needs assessment.
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 | 0,000 | 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 ».