Patient and wound factors associated with <scp>WOUND</scp>‐Q scales measuring health‐related quality of life: An international cross‐sectional study
Notice bibliographique
Résumé
The WOUND-Q is a patient-reported outcome measure for individuals with any type of chronic wound. This study aimed to identify patient and wound factors associated with the four WOUND-Q health-related quality of life (HRQL) scales: Life impact, Psychological, Sleep, and Social. Adults with a chronic wound were recruited internationally through clinical settings between August 2018 and May 2020, and through an online platform (i.e. Prolific) in September 2022. Multivariable linear regression analyses were conducted to identify factors significantly associated with the WOUND-Q scales. The assessments obtained were 1273, 1275, 706, and 1256 for the Life Impact, Psychological, Sleep, and Social scales, respectively. The mean age of participants was 55 (SD = 18) years; most (66%) had a single wound, and most (56%) wounds had lasted more than 6 months. The most common causes were trauma, surgery, and diabetic foot ulcer. Wound characteristics associated with worse scores on at least one of the scales were drainage, vacuum treatment, aetiologies (i.e. diabetic foot ulcer, trauma, other, multiple), duration (i.e. 10-11 months), having four or more wounds, smell, and sleep interference, while wound location different from the face or neck was associated with better scores (p < 0.05). Patient factors associated with worse scores included having diabetes or a comorbidity, whereas increasing age or male gender were associated with better scores (p < 0.05). Sleep disturbances had the largest negative influence on HRQL scores. This study identified factors affecting HRQL in individuals with chronic wounds. Understanding these associations can inform better management and treatment strategies to improve HRQL for these patients.
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) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 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 ».