Factors Influencing Implementation of Medical Directives by Registered Nurses: The Experience of a Large Ontario Teaching Hospital
Notice bibliographique
Résumé
OBJECTIVE: To understand factors that affect the implementation of medical directives by registered nurses in a large teaching hospital. DESIGN: Qualitative nested case study. PARTICIPANTS AND SETTING: A large multi-site teaching hospital that utilizes over 20 different medical directives was chosen as the setting for this case study. Three distinct medical directives within this setting were selected to obtain maximum variation in the number of individuals involved in a particular directive and type of clinical area. Between March and October 2005, 27 individuals concerned with clinical implementation of these medical directives were interviewed using a semi-structured interview schedule. The registrars of two regulatory bodies that oversee policies related to medical directives and a consultant with expertise in medical directives were also interviewed. Eleven documents related to the use of medical directives were identified using purposive document sampling methods and were included in the study. RESULTS: Implementation of medical directives is influenced by a variety of factors, including nurse confidence and willingness to assume responsibility, the amount of new learning needed to carry out the directive and additional paperwork required. Perceived usefulness of the medical directive, physician support of nurses' use of the directives and frequency of encounter with that type of patient were also important factors. The implementation of a medical directive is a complex process; directives are difficult to write well and often affect the scope of practice of other healthcare professionals. The amount of education and monitoring required to implement a directive needs careful consideration to ensure the appropriate resources are available to support implementation. CONCLUSIONS: Greater attention to the factors that facilitate implementation of medical directives is required in order to implement directives in an efficient and effective manner.
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 | 0,007 | 0,025 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,008 | 0,006 |
| Communication savante | 0,003 | 0,001 |
| Science ouverte | 0,002 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 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 ».