Diabetic foot screening in the Bahamas and the impact of digitizing the in low diabetic foot screening form
Notice bibliographique
Résumé
Purpose: Diabetic foot complications continue to be one of the most costly, devastating and feared. As 25% of persons living with diabetes may develop foot complications. Therefore, it is most beneficial to screen the feet of diabetics at least annually, to detect early the presence of neuropathy, ischemia and/or foot deformity which can increase risk of ulcers and amputations. The purpose of the study is to evaluate the diabetic foot screening process in the public health setting and document the impact of digitization on improving the number of foot screenings completed and documented. Methods: Consistent screening the diabetic foot has been a challenge and after training numerous groups of nurses and other health care providers to use the Inlow’s 60-second Diabetic Foot Screen for the Assessment and Management of the Diabetic Foot by Wounds Canada the yield was dismal. In 2022, the training process was revised and the screening form was digitized using Google Forms and evaluated for its impact on screening behaviour of health professionals. Results: A 100-fold increase was noted in the number of nurses completing the foot screening and documenting them using Google Forms. This has resulted in early detection of foot complications, referrals to the Podiatry services within the department and improved delivery of diabetic foot care and vascular interventions. Conclusion: Early detection can prevent foot ulceration and related complications. Early treatment can improve the healing of diabetic foot ulcers and reduce the risk for amputation and early mortality. Primary care screening programs for diabetic foot ulcers may include risk assessment, patient education, and referral to more specialized care. Risk stratification considers the presence of neuropathy and or peripheral vascular disease to determine the risk of developing diabetic foot ulcers or amputation. Depending on the level of risk, suitable preventive measures can be undertaken.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,013 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 source (Gemma direct ou Codex distillé), 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 ».