Decreasing Intraoperative Skin Damage in Prone-Position Surgeries
Notice bibliographique
Résumé
OBJECTIVE: To determine if subepidermal moisture (SEM) measures help detect and prevent intraoperative acquired pressure injuries (IAPIs) for prone-position surgery. METHODS: In this clinical trial of patients (n = 39 preintervention, n = 48 intervention, 100 historical control) undergoing prone-position surgery, researchers examined the use of multidimensionally flexible silicone foam (MFSF) dressings applied preoperatively to patients' face, chest, and iliac crests. Visual skin assessments and SEM measures were obtained preoperatively, postoperatively, and daily for up to 5 days or until discharge. Electronic health record review included demographic, medical, and surgery data. RESULTS: Of the 187 total participants, 76 (41%) were women. Participants' mean age was 61.0 ± 15.0 years, and 9.6% were Hispanic (n = 18), 9.6% were Asian (n = 18), 6.9% were Black or African American (n = 13), and 73.8% were White (n = 138). Participants had a mean Scott-Triggers IAPI risk score of 1.5 ± 1.1. Among those with no erythema preoperatively, fewer intervention participants exhibited postoperative erythema on their face and chest than did preintervention participants. Further, fewer intervention participants had SEM-defined IAPIs at all locations in comparison with preintervention participants. The MFSF dressings overcame IAPI risk factors of surgery length, skin tone, and body mass index with fewer IAPIs in intervention participants. CONCLUSIONS: Patients undergoing prone-position surgeries developed fewer IAPIs, and SEM measures indicated no damage when MFSF dressings were applied to sites preoperatively. The SEM measures detected more damage than visual 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 | 0,001 | 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 | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| 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 ».