Incidence of Pressure Injury Among Older Adults Transitioning from Long-term Care to the ED
Notice bibliographique
Résumé
OBJECTIVE: To identify sociodemographic, health condition, and organizational/process factors associated with pressure injury (PI) incidence during older adults' emergency transitions from long-term care (LTC) to the ED. METHODS: Emergency transitions were tracked for older adults within included LTC facilities to participating EDs in two urban centers located in provinces in Canada. Binary logistic regression was used to examine the influence of sociodemographic, service use, and client health and function factors on the incidence of PIs during transitions from LTC facilities to EDs. RESULTS: Having a mobility issue (odds ratio [OR], 4.318; 95% CI, 1.344-13.870), transitioning from a publicly owned versus a nonprofit volunteer LTC facility (OR, 4.886; 95% CI, 1.157-20.634), and time from ED arrival to return to LTC being 7 to 9 days (OR, 41.327; 95% CI, 2.691-634.574) or greater than 9 days (OR, 77.639; 95% CI, 5.727-1,052.485) significantly increased the odds of experiencing a new skin injury upon return to LTC. A higher number of reported reasons for emergency transition (up to 4) significantly decreased the odds of a new PI upon return to LTC (OR, 0.315; 95% CI, 0.113-0.880). CONCLUSIONS: The study findings can be used to identify LTC residents at increased risk for developing new skin injuries during an emergency transition, namely, those with mobility impairment, those requiring inpatient care for 6 or more days, and those transitioning from publicly owned LTC facilities. Evaluating the uptake and effectiveness of single-pronged and multipronged interventions such as visual cues for patient turning through online monitoring, consistent risk assessments, and improved nutrition in all care settings are vital next steps in preventing skin injuries in this population.
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 ».