Concurrent and Lagged Effects of Registered Nurse Turnover and Staffing on Unit‐Acquired Pressure Ulcers
Notice bibliographique
Résumé
OBJECTIVE: We examined the concurrent and lagged effects of registered nurse (RN) turnover on unit-acquired pressure ulcer rates and whether RN staffing mediated the effects. DATA SOURCES/SETTING: Quarterly unit-level data were obtained from the National Database of Nursing Quality Indicators for 2008 to 2010. A total of 10,935 unit-quarter observations (2,294 units, 465 hospitals) were analyzed. METHODS: This longitudinal study used multilevel regressions and tested time-lagged effects of study variables on outcomes. FINDINGS: The lagged effect of RN turnover on unit-acquired pressure ulcers was significant, while there was no concurrent effect. For every 10 percentage-point increase in RN turnover in a quarter, the odds of a patient having a pressure ulcer increased by 4 percent in the next quarter. Higher RN turnover in a quarter was associated with lower RN staffing in the current and subsequent quarters. Higher RN staffing was associated with lower pressure ulcer rates, but it did not mediate the relationship between turnover and pressure ulcers. CONCLUSIONS: We suggest that RN turnover is an important factor that affects pressure ulcer rates and RN staffing needed for high-quality patient care. Given the high RN turnover rates, hospital and nursing administrators should prepare for its negative effect on patient outcomes.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,008 | 0,028 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 source (Gemma direct ou Codex distillé), 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 ».