Implementing a Fetal Health Surveillance Guideline in Clinical Practice: A Pragmatic Randomized Controlled Trial of Action Learning
Notice bibliographique
Résumé
AIMS: The aim of this study was to determine the effects of an Action Learning intervention on nurses' use of a fetal health surveillance (FHS) guideline during labor of women who were low risk on admission for delivery. METHODS: Using a pragmatic randomized controlled trial, nurses were randomized to Action Learning (n = 44) or Usual Care (n = 45). Low-risk women were assigned to either an Action Learning nurse (n = 122) or a Usual Care nurse (n = 148). Data on practices during an episode of care (nurses' FHS practices from admission through to delivery in low-risk women) were collected at three trial time points: 1 month prior, during 6 months, and 1 month following. Guideline adherence, women's perception of birth experience, and enablers and inhibitors to intermittent auscultation (IA) were collected. Multivariate logistic regression determined the variables (chosen by the nurses) that predicted Action Learning nurses' adherence to FHS practices. FINDINGS: Statistically significant change was not evident between nurses' rate of FHS practices in the Action Learning group compared with Usual Care (Δ6.8%, odds ratio [OR] 0.16, 95% confidence interval [CI] 0.84-2.83). Postpartum, women reported high satisfaction with no significant difference by study group. Two labor events, epidural and narcotic analgesia, most influenced guideline appropriate care (p = .000, OR -4.04; p = .000, OR = 2.89) within the experimental group. LINKING EVIDENCE TO ACTION: Despite lack of between-group significant changes in FHS practices, Action Learning nurses, who chose areas of practice that presented obstacles to their guideline adherence ability (epidurals and narcotics), significantly changed their FHS practices. Researchers need to consider whether practice is long-standing acceptance of the evidence by healthcare providers, and the provider's intentions for implementation effectiveness when choosing an implementation strategy. Supportive nurses, Doppler availability, and clear policies support adherence to an IA guideline. Deimplementation of ineffective practice is warranted.
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 | 0,047 | 0,063 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,003 | 0,001 |
| 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 | 0,001 |
| 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 ».