Implementación de las recomendaciones de las guías de práctica clínica sobre lesiones cutáneas relacionadas con la dependencia: una revisión sistemática de revisiones
Bibliographic record
Abstract
[Resumen] INTRODUCCIÓN: La transferencia del conocimiento basado en la evidencia a la práctica clínica para mejorar los cuidados de salud, es considerado un proceso básico y sistemático conocido como “implementación de las evidencias”. Las Guías de Práctica Clínica (GPC), son un modelo de documentos que incluyen estrategias de implementación para la traslación de las recomendaciones a los cuidados. Sin embargo, el identificar y disponer de las mejores recomendaciones no conlleva automáticamente su adherencia y aplicación clínica; por ello es necesario identificar que estrategias de implementación se están llevando a cabo para su estudio, en nuestro caso, por su importancia para el sistema sanitario, planteamos conocer aquellas estrategias sobre lesiones cutáneas relacionadas con la dependencia. OBJETIVO: Identificar las estrategias de implementación descrita por las GPC sobre lesiones cutáneas relacionadas con la dependencia. METODOLOGÍA: Se realizó una revisión sistemática de revisiones. Se consultaron (enero 2013-octubre 2018), las bases de datos: PubMed, Scopus y CINAHL, mediante descriptores y términos libres, sin límite de idioma. Además, se realizaron búsquedas en diferentes páginas web de centros elaboradores y bases específicas de GPC. Se seleccionaron aquellas que superaron la lectura crítica del instrumento AGREE GRS (Appraisal of Guidelines for Research & Evaluation-Global Rating Scale). Se evaluó la implementabilidad y se identificaron las estrategias de implementación. RESULTADOS: Se recuperaron 112 referencias siendo finalmente incluidas 9 GPC relacionadas con el tema de estudio. Ninguna GPC era española, 3 eran estadounidenses, 2 mexicanas, 1 japonesa, 1 canadiense, 1 inglesa y 1 formada por un consorcio de diferentes países y regiones (americano-europea-pan pacífico). La calidad y nivel de implementabilidad fue heterogénea (puntuación entre 4 y 7, según AGREE GRS). Se recopilaron en su mayoría (>80%) estrategias de implementación encaminadas a la diseminación y divulgación activa y pasiva, así como vincular acciones normativas con estándares de calidad y con auditorías clínicas. Hubo 4 GPC que incluían, en un manual complementario, un proceso de implementación planificado de forma innovadora. También hubo 2 GPC que no incluían explícitamente estrategias, aunque incorporaban elementos facilitadores para su implementación (diagramas, algoritmos, recordatorios…). CONCLUSIONES: Esta revisión ofrece una síntesis de diferentes estrategias y procesos de implementación que hacen referencia al modo de trasladar las recomendaciones de evidencia a los cuidados de pacientes en situación de dependencia que padecen, o están en riesgo de sufrir, lesiones cutáneas. Se observó que las estrategias de implementación presentaban variabilidad entre las GPC en lo referente a la diseminación y difusión activa y pasiva, no siendo acciones suficientes para crear cambios duraderos en los profesionales. Pero también encontramos un modelo de procesos de implementación innovador, el descrito por la Registered Nurses’ Association of Ontario (RNAO) que puede ser un referente en nuestro país y que deberíamos investigar y potenciar.
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 | 0.052 | 0.138 |
| Meta-epidemiology (narrow) | 0.002 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.003 |
| Bibliometrics | 0.005 | 0.003 |
| Science and technology studies | 0.002 | 0.002 |
| Scholarly communication | 0.008 | 0.007 |
| Open science | 0.004 | 0.004 |
| Research integrity | 0.003 | 0.003 |
| Insufficient payload (model declined to judge) | 0.012 | 0.004 |
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".