Impact of digital wound care solution on healing time: A descriptive study in home health settings
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
BACKGROUND: Chronic wounds pose significant challenges in home healthcare (HH) due to prolonged healing times and high costs. Digital wound care solutions (DWCS) have shown potential for improving healing efficiency. This study evaluated the impact of continuous DWCS use on healing times at HH organizations and explored area reduction in non-healed yet improved pressure injuries (PIs) and diabetic ulcers (DUs). METHODS: This descriptive study analyzed 195,915 wound assessments from 59 HH organizations using DWCS in 2022 and 2023. Average healing time was calculated by wound type and compared across the two years, with subgroup analyses for wounds healing within three months versus longer. Improvements in non-healed DUs and PIs were further categorized by initial wound size (≤2 cm², >2 cm² for DUs; ≤4 cm², >4 cm² for PIs). RESULTS: Average healing time for all wounds decreased significantly from 62.5 days in 2022 to 38.6 days in 2023, a 38.2% improvement (p < 0.001). DU and PIs showed reductions of 30.8 and 29.3 days, respectively. The proportion of wounds healing within three months rose by 8.9%, with decreased average healing times within this period. For wounds requiring over three months, the average time saved was 57.6 days (8.2 weeks; P = 0.014), representing a 27% improvement. Non-healed but improving PIs showed increase in area reduction from 5.2 cm² to 17.7 cm², with a 25.4% faster time to reduction. Larger PIs (>4 cm²) showed greater reductions, with time to improvement decreasing by 35.5 days (34.7%, p < 0.001). DUs also improved, with area reduction increasing from 4.8 cm² to 15.3 cm² and a 23.8% faster reduction time, while larger DUs (>2 cm²) saw a 32.6-day decrease in time to improvement. CONCLUSION: Continuous DWCS use significantly reduces healing times and improves wound area reduction, underscoring its effectiveness in enhancing wound care outcomes in HH settings.
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.
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) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| 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 découle