The Best-Evidence of Cluster Nursing Prevention Strategies for Perioperative Venous Thrombosis in Patients with Gynecological Cancer
Notice bibliographique
Résumé
Objective: To comprehensively retrieve, evaluate, and summarize the best evidence of bundle nursing prevention strategies for perioperative venous thrombosis in patients with gynecological cancer. Methods: The National Guideline Library NGC, the Australian JBI Center for Evidence-based Health Care (JBI EBP), the Scottish InterCollege Guidelines Network (SIGN), the Registered Nurses Association of Ontario (RNAO), and the Canadian Clinical Practice Guidelines Network (CMA) were searched by computer INFOBASE), New Zealand Clinical Practice Guidelines Study Group (NZGG), ClinicalKey for Nursing, TRIP Database, Best Practice, Nursing Consult, The Cochrane Library, Pubmed, Chinese Biomedical Literature Database (CBM), Medical Pulse, MJ Best Practice, UpToDate, PubMed, Web of The literature on prevention and treatment strategies of deep vein thrombosis in perioperative patients with gynecological tumors in the Science core database, Wanfang database, CNKI database and other databases were evaluated and extracted by two researchers independently. Results: 12 articles were included, including five guidelines, four expert consensus, and three systematic reviews. Twenty-one best pieces of evidence were summarized from three aspects: before, during, and after surgery. Conclusion: This study summarizes the best evidence of cluster nursing prevention strategies for perioperative venous thrombosis in patients with gynecological cancer, which can provide a basis for clinical medical staff. Keywords: Gynaecological Tumor; Deep Vein Thrombosis; Evidence-Based Nursing; The Perioperative Period; Summary of Evidence.
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 | 0,013 | 0,087 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,004 | 0,006 |
| Bibliométrie | 0,013 | 0,008 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,003 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,003 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».