Linking HOBIC Measures with Length of Stay and Alternate Levels of Care: Implications for Nurse Leaders in Their Efforts to Improve Patient Flow and Quality of Care
Notice bibliographique
Résumé
Integral to understanding and leveraging performance data to monitor and drive quality improvement (QI) efforts to enhance patient care is a partnership between researchers (who generate data) and nurse executives (who lead QI efforts). In Canada, evidence-based, nursing-sensitive patient outcome data are included in the Health Outcomes for Better Information and Care (HOBIC) initiative. A descriptive study was undertaken to examine the relationships and predictive abilities of HOBIC measures with length of stay (LOS) and alternate levels of care (ALC) measures. Specifically, we were interested in determining (a) whether relationships among the HOBIC measures exist and (b) whether any of the HOBIC measures are associated with, and could subsequently be used to predict, the patient and the destination to which he or she is discharged (ALC). Our interest in understanding these relationships and predictive abilities was both research driven and practice driven, with the intent eventually to use study findings to target clinical practice and data feedback strategies. To address the two research aims, this study employed both descriptive and inferential statistical approaches with multiple analytic approaches. Study results suggest that many of the HOBIC measures are related, with a higher score in one measure corresponding to a higher score in another measure. The exception is the therapeutic self-care (TSC) measure, in which higher scores on other HOBIC measures were correlated with lower TSC scores. Associations were also found with the predictive ability of certain HOBIC measures on LOS and ALC. Our study findings call for nurse leaders to emphasize the importance to clinical nurses on hospital units of focusing their efforts on assisting patients in managing their fatigue and dyspnoea effectively; increasing their ability to engage in activities of daily living, functional status and therapeutic self-care; and preventing or minimizing pressure ulcers and falls in acute care patients. In turn, these efforts may decrease patients' LOS.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 | 0,000 |
| 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 ».