Self‐supporting wound care mobile applications for nurses: A scoping review
Notice bibliographique
Résumé
AIM: This study provides an overview of the literature to identify and map the types of available evidence on self-supporting mobile applications used by nurses in wound care regarding their development, evaluation and outcomes for patients, nurses and the healthcare system. DESIGN: Scoping review. REVIEW METHOD: Joanna Briggs Institute scoping review methodology was used. DATA SOURCES: A search was performed using MEDLINE, Embase, CINAHL (via EBSCO), Web of Science, LiSSa (Littérature Scientifique en Santé), Cochrane Wounds, Érudit and grey literature, between April and October 2022, updated in April 2023, to identify literature published in English and French. RESULTS: Eleven studies from 14 publications met the inclusion criteria. Mostly descriptive, the included studies presented mobile applications that nurses used, among other things, to assess wounds and support clinical decision-making. The results described how nurses were iteratively involved in the process of developing and evaluating mobile applications using various methods such as pilot tests. The three outcomes most frequently reported by nurses were as follows: facilitating care, documentation on file and access to evidence-based data. CONCLUSION: The potential of mobile applications in wound care is within reach. Nurses are an indispensable player in the successful development of these tools. IMPLICATIONS FOR THE PROFESSION AND PATIENT CARE: If properly developed and evaluated, mobile applications for wound care could enhance nursing practices and improve patient care. The development of ethical digital competence must be ensured during initial training and continued throughout the professional journey. IMPACT: We identified a dearth of studies investigating applications that work without Internet access. More research is needed on the development of mobile applications in wound care and their possible impact on nursing practice in rural areas and the next generation of nurses. REPORTING METHOD: The Preferred Reporting Items for Systematic Reviews and Meta-analysis Extension for Scoping Review guidelines were used. PATIENT OR PUBLIC CONTRIBUTION: No patient or public contribution.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,003 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,002 |
| 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 ».