Impact of digital wound care solution on healing time: A descriptive study in home health settings
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.
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 | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 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) | 0,001 | 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 ».