Report of a pilot study of quality improvement in nursing homes led by healthcare aides
Notice bibliographique
Résumé
Objective: Healthcare aides (unregulated care providers), who deliver the majority of direct care in Canadian nursing homes, have high levels of emotional exhaustion and cynicism. However, they also have remarkably high levels of job efficacy. Strategies to empower this workforce may reduce cynicism and draw on their high levels of job efficacy. The primary objective of this study was to act as proof-of-principle to determine whether quality improvement teams led by healthcare aides could be established in nursing homes and function on a daily basis. Methods: This study was a pilot test of a complex intervention using a mixed methods approach. We used a combination of education, networking and coaching to engage staff teams in quality improvement in 1 of 3 areas (pain control, skin care or behaviour management). We measured healthcare aides’ quality of work life, informal communication and research (best practice) use before and after the intervention. To understand the effect of quality of care at the bedside we used risk-adjusted quality indicators derived from Resident Assessment Instrument - Minimum Data Set 2.0 data. Results: A total of 10 teams participated in the intervention. At least 70% of the teams succeeded in learning and applying the improvement model and methods for local measurement. For 50% of the teams, data showed measurable improvement in the clinical areas. There were no significant differences between pre and post measures of survey variables. Conclusions: We have demonstrated the ability of healthcare aides to engage in quality improvement initiatives at the bedside in a collaborative environment and advance our results as an important contribution to person-centered healthcare.
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 | 0,004 | 0,002 |
| 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 | 0,001 |
| 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 ».