Intervención educativa para mejorar conocimientos sobre úlceras por presión en enfermeros de Veracruz, México
Bibliographic record
Abstract
Introducción: En México, las úlceras por presión (UPP) son un indicador de calidad en el Sistema Nacional de Salud, se otorga relevancia a los conocimientos de los profesionales de la salud en cuanto al abordaje integral de las úlceras para el mejoramiento de la seguridad del paciente. Objetivo: Evaluar la efectividad de una intervención educativa como herramienta para mejorar los conocimientos de enfermería en la prevención y tratamiento de las UPP. Método: Estudio pre-experimental basado en una intervención educativa aplicada a un grupo con medición pre y post. La muestra estuvo constituida por 90 licenciados de enfermería que laboran en hospitales públicos de segundo y tercer nivel de atención, ubicados en el puerto de Veracruz. Se diseñaron doce sesiones de 120 minutos cada una para la intervención; en estas se abordaron tópicos de prevención, cuidado y tratamiento de las úlceras. Resultados: La variable prevención, en el indicador adecuado según tus conocimientos, obtuvo un promedio inicial de 74±15 que incrementó en la segunda medición a 91±9. t (p=.003). En la variable tratamiento, el indicador adecuado según tus conocimientos, obtuvo un promedio inicial de 57±16 y en la segunda medición pasó a 76±9. t (p=.002). Conclusión: La aplicación de la intervención educativa permitió mejorar el conocimiento sobre prevención y tratamiento de las UPP, aunque la utilización en la práctica asistencial fue menor.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.001 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.000 | 0.000 |
| Science and technology studies | 0.001 | 0.000 |
| Scholarly communication | 0.001 | 0.000 |
| Open science | 0.000 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.004 | 0.000 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".