Nursing Time Devoted to Medication Administration in Long‐Term Care: Clinical, Safety, and Resource Implications
Notice bibliographique
Résumé
OBJECTIVES: To quantify the time required for nurses to complete the medication administration process in long-term care (LTC). DESIGN: Time-motion methods were used to time all steps in the medication administration process. SETTING: LTC units that differed according to case mix (physical support, behavioral care, dementia care, and continuing care) in a single facility in Ontario, Canada. PARTICIPANTS: Regular and temporary nurses who agreed to be observed. MEASUREMENTS: Seven predefined steps, interruptions, and total time required for the medication administration process were timed using a personal digital assistant. RESULTS: One hundred forty-one medication rounds were observed. Total time estimates were standardized to 20 beds to facilitate comparisons. For a single medication administration process, the average total time was 62.0+/-4.9 minutes per 20 residents on physical support units, 84.0+/-4.5 minutes per 20 residents on behavioral care units, and 70.0+/-4.9 minutes per 20 residents on dementia care units. Regular nurses took an average of 68.0+/-4.9 minutes per 20 residents to complete the medication administration process, and temporary nurses took an average of 90.0+/-5.4 minutes per 20 residents. On continuing care units, which are organized differently because of the greater severity of residents' needs, the medication administration process took 9.6+/-3.2 minutes per resident. Interruptions occurred in 79% of observations and accounted for 11.5% of the medication administration process. CONCLUSION: Time requirements for the medication administration process are substantial in LTC and are compounded when nurses are unfamiliar with residents. Interruptions are a major problem, potentially affecting the efficiency, quality, and safety of this process.
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 | 0,001 | 0,000 |
| 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 | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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; un appel candidat d’une seule tête enseignante, 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 ».