Abstract W P356: Neuroscience ICU Advanced Practice Provider Competency Model
Notice bibliographique
Résumé
Background: A large community based stroke program began utilizing advanced practice providers (APPs) 24/7 in the 18-bed Neuroscience ICU. The nurses needed 24/7 in-house support in managing these complex patients. Literature shows that APPs impact the length of stay and health care cost. This practice change led to an evaluation of the process of educating and ensuring competency to the APPs. Purpose: The goal was to ensure competency of APPs demonstrated by complete understanding of complex disease management and ongoing skills to manage critical neuro patients. Methods: Core Competency models were designed and used as a framework to aid in critical care specialization. Advanced classes, applicable clinical rotations, and procedure based skills lab were utilized to train the APPs. Initial measures to evaluate efficacy of the model included 14-item knowledge tests administered before and after a critical care symposium. Two versions of the test were administered using a crossover design, and changes in test scores were examined using analysis of variance. Additional competency measures included procedure and skill check-off competencies, neuro-monitoring utilization, provider sign-offs and one-on-one education by system educators. Results: APPs scored significantly higher on the post-test than the pre-test (mean difference = 19.71%, CI:14.3%-25.2%; p-value <0.0001), suggesting the symposium advanced their neuroscience knowledge. There was no difference in scores between the two versions of the test (p=0.98). Strict adherence to integration of current evidence based practices combined with an in-depth orientation is critical to ensuring clinical competence. Program focus includes facilitating ongoing education in a variety of neuroscience topics via lecture and clinical experiences to advance knowledge to the highest level within their Scope of Practice. Conclusions: Utilizing a combination of specially trained critical care physicians, 24/7 accessible neurologists, neurosurgeons and neuro interventionalists on the training of the APPs for this complex patient population is the key to the success of the neurocritical care APP competency model.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 0,001 |
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 source (Gemma direct ou Codex distillé), 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 ».