Going blank: factors contributing to interruptions to nurses’ work and related outcomes
Notice bibliographique
Résumé
hall l.m., ferguson-paré m., peter e., white d., besner j., chisholm a., ferris e., fryers m., macleod m., mildon b., pedersen c. & hemingway a. (2010) Journal of Nursing Management 18, 1040–1047Going blank: factors contributing to interruptions to nurses’ work and related outcomes Aim To examine interruptions to nurses’ work, the systems issues related to these and the associated outcomes. Background While some research has described the role interruptions play in medication errors, work is needed to examine specific factors in the nursing work environment that cause interruptions and to assess the impact of these on nurses’ work and patient outcomes. Methods The present study utilized a mixed method design that involved work observation to detect nursing interruptions in the workplace followed by focus groups with a subsample of nurses. Results A total of 13 025 interruptions were observed. Equal numbers of these took place on medical and surgical units. The predominant source of interruptions was members of the health team, who interrupted more frequently on medical units. Conclusions Differences in the type of patient and the care needs between medical and surgical units may be a contributing factor to these findings. As members of the health team were among the leading source of interruptions, an interdisciplinary team-based approach to changing the organization and design of work should be explored. Implications for nursing management Nurse leaders should examine ways in which nurses’ work can benefit from system improvements to reduce interruptions that lead to patient safety issues such as treatment delays and loss of concentration.
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 | 0,001 |
| 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 | 0,000 | 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; 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 ».