Interprofessional Shared Decision Making in the NICU: A Survey of an Interprofessional Healthcare Team
Notice bibliographique
Résumé
Background: The purpose of this study was to determine how different membersof an interprofessional (IP) team (nurses, physicians, respiratory therapists, and other professionals) perceived collaboration and satisfaction with the decisionmaking process across three decision types (triage, chronic condition management, values-sensitive decisions) in a neonatal intensive care unit (NICU).Methods and Findings: All members of the team at a tertiary NICU in Canada who consented to the study received a modified version of the Collaboration and Satisfaction about Care Decisions (CSACD) instrument. A total of 96 completed surveys were returned (response rate of 81.4). Collaboration scores were calculatedfor each participant, professional group, and the IP team. The Pearson product-moment correlation coefficient was used to investigate the relationship between perceived collaboration about decision making and satisfaction with the decision-making process. Inter-group comparisons across different decision types were also calculated. The majority of statistically significant differences in professional perspectives about decision making were about triage decisions. Nurses and respiratory therapists were more likely than other groups to feel the decision-making process was inadequate. There was a strong, positive correlation between perceived collaboration in decision making, satisfaction with the decision-making process, and satisfaction with the decision.Conclusions: Findings from this survey suggest that healthcare professionals' views differ about what constitutes optimum interprofessional shared decision making(IPSDM), and the decision type is an important influencing factor for IPSDM.
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 | 0,010 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 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; 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 ».