MétaCan
Menu
Retour à la cohorte
Enregistrement W1964270222 · doi:10.1111/j.1442-2018.2007.00334.x

Nurse staffing and cost of care in adult intensive care units in a university hospital in Thailand

2008· article· en· W1964270222 sur OpenAlexaff
Petsunee Thungjaroenkul, Wipada Kunaviktikul, Philip Jacobs, Greta G. Cummings, Thitinut Akkadechanunt

Notice bibliographique

RevueNursing and Health Sciences · 2008
Typearticle
Langueen
DomaineHealth Professions
ThématiqueGeriatric Care and Nursing Homes
Établissements canadiensUniversity of Alberta
Organismes subventionnairesChiang Mai UniversityMinistry of Education
Mots-clésStaffingMedicineNursingIntensive careActivity-based costingHealth careIntensive care unitMEDLINEMedical emergencyIntensive care medicineBusiness

Résumé

récupéré en direct d'OpenAlex

Decisions about nurse staffing levels in intensive care units (ICUs) should be guided by research to ensure optimal outcomes. This descriptive correlational study in a large Thai hospital was designed to evaluate the effect of nurse staffing levels on the costs of care, in terms of medical care cost per patient day and health personnel cost per patient day, in ICUs. The costing data were collected prospectively from the records of 242 critically ill patients while the nurse staffing levels were extracted from hospital management reports. The findings showed that a nurse staffing model with a higher number of registered nurses (RNs) led to an increase in the health personnel cost per patient day. However, a greater number of RNs was associated with improved patient safety and efficiency, thereby reducing the length of stay and the costs of care in the long term. This study provides evidence to support decisions by hospital administrators concerning RN staffing levels.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,151
Score d'incertitude au seuil0,993

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,050
Tête enseignante GPT0,379
Écart entre enseignants0,329 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations11
Publié2008
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueNursing and Health SciencesMême sujetGeriatric Care and Nursing HomesTravaux en français237 207