The Impact of Hospital Nursing Characteristics on 30-Day Mortality
Notice bibliographique
Résumé
BACKGROUND: Evidence indicates that hospital nursing characteristics such as staffing contribute to patient outcomes. Less attention has been given to other hospital nursing characteristics central to optimal professional practice, namely nurse education and skill mix, continuity of care, and quality of the work environment. OBJECTIVE: To assess the relative effects and importance of nurse education and skill mix, continuity of care, and quality of work environment in predicting 30-day mortality after adjusting for institutional factors and individual patients characteristics. METHOD: A cross-sectional analysis of outcome data for 18,142 patients discharged from 49 acute care hospitals in Alberta, Canada, for diagnoses of acute myocardial infarction, congestive heart failure, chronic obstructive pulmonary disease, pneumonia, or stroke between April 1, 1998, and March 31, 1999, was done. Mortality data were linked to patient demographic and comorbidity factors, institutional characteristics, and hospital nursing characteristics derived from a survey of all registered nurses working in acute care hospitals. RESULTS: Using multilevel analysis, it was determined that the log-odds for 30-day mortality varied significantly across hospitals (variance .044, p < .001). Patient comorbidities and age explained 44.2% of the variance in 30-day mortality. After adjustment for patient comorbidities and demographic factors, and the size, teaching, and urban status of the study hospitals in a fixed-effects model, the odds ratios (95% confidence interval) of the significant hospital nursing characteristics that predict 30-day mortality were as follows: 0.81 (0.68-0.96) for higher nurse education level, 0.83 (0.73-0.96) for richer nurse skill mix, 1.26 (1.09-1.47) for higher proportion of casual or temporary positions, and 0.74 (0.6-00.91) for greater nurse-physician relationships. The institutional and hospital nursing characteristics explained an additional 36.9%. DISCUSSION: Hospital nursing characteristics are an important consideration in efforts to reduce the risk of 30-day mortality of patients.
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) | 0,000 | 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 | 0,000 |
| 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 ».