The Relationship Among Evidence‐Based Practice and Client Dyspnea, Pain, Falls, and Pressure Ulcer Outcomes in the Community Setting
Notice bibliographique
Résumé
BACKGROUND: There are gaps in knowledge about the extent to which home care nurses' practice is based on best evidence and whether evidence-based practice impacts patient outcomes. AIM: The purpose of this study was to investigate the relationship between evidence-based practice and client pain, dyspnea, falls, and pressure ulcer outcomes in the home care setting. Evidence-based practice was defined as nursing interventions based on best practice guidelines. METHODS: The Nursing Role Effectiveness model was used to guide the selection of variables for investigation. Data were collected from administrative records on percent of visits made by Registered Nurses (RN), total number of nursing visits, and consistency of visits by principal nurse. Charts audits were used to collect data on nursing interventions and client outcomes. The sample consisted of 338 nurses from 13 home care offices and 939 de-identified client charts. Hierarchical generalized linear regression approaches were constructed to explore which variables explain variation in client outcomes. RESULTS: The study found documentation of nursing interventions based on best practice guidelines was positively associated with improvement in dyspnea, pain, falls, and pressure ulcer outcomes. Percent of visits made by an RN and consistency of visits by a principal nurse were not found to be associated with improved client outcomes, but the total number of nursing visits was. LINKING EVIDENCE TO ACTION: Implementation of best practice is associated with improved client outcomes in the home care setting. Future research needs to explore ways to more effectively foster the documentation of evidence-based practice interventions.
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 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 | 0,064 | 0,101 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,006 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,002 |
| 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 découleClassification
machine, non validéePrédiction automatique; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».