Clinical, Operational, and Economic Benefits of a Digitally Enabled Wound Care Program in Home Health: Quasi-Experimental, Pre-Post Comparative Study
Notice bibliographique
Résumé
BACKGROUND: The demand for home health care and nursing visits has steadily increased, requiring significant allocation of resources for wound care. Many home health agencies operate below capacity due to clinician shortages, meeting only 61% to 70% of demand and frequently declining wound care referrals. Implementing artificial intelligence-powered digital wound care solutions (DWCSs) offers an opportunity to enhance wound care programs by improving scalability and effectiveness through better monitoring and risk identification. OBJECTIVE: This study assessed clinical and operational outcomes across 14 home health branches that adopted a DWCS, comparing pre- and postadoption data and outcomes with 27 control branches without the technology. METHODS: This pre-post comparative study analyzed clinical outcomes, including average days to wound healing, and operational outcomes, such as skilled nursing (SN) visits per episode (VPE) and in-home visit durations, during two 7-month intervals (from November to May in 2020-2021 and 2021-2022). Data were extracted from 14,278 patients who received wound care across adoption and control branches. Projected cost savings were also calculated based on reductions in SN visits. RESULTS: The adoption branches showed a 4.3% reduction in SN VPE and a 2.5% reduction in visit duration, saving approximately 309 staff days. In contrast, control branches experienced a 4.5% increase in SN VPE and a 2.2% rise in visit duration, adding 42 days. Healing times improved significantly in the adoption branches, with a reduction of 4.3 days on average per wound compared to 1.6 days in control branches (P<.001); pressure injuries, venous ulcers, and surgical wounds showed the most substantial improvements. CONCLUSIONS: Integrating digital wound management technology enhances clinical outcomes, operational efficiencies, and cost savings in home health settings. A reduction of 0.3 SN VPE could generate annual savings of up to US $958,201 across the organization. The adoption branches avoided 1187 additional visits during the study period. If control branches had implemented the DWCS and achieved similar outcomes, they would have saved 18,546 healing days. These findings emphasize the importance of incorporating DWCSs into wound care programs to address increasing demands, clinician shortages, and rising health care costs while maintaining positive clinical outcomes.
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 | 0,007 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,003 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,001 |
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 ».