Understanding and Measuring Patients' Assessment of the Quality of Nursing Care
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
BACKGROUND: Traditionally, patients have been considered incapable of evaluating the quality of care they receive, leading to their minimal involvement. OBJECTIVE: To develop the Patient's Assessment of Quality Scale--Acute Care Version (PAQS-ACV) to provide a mechanism through which patients can evaluate meaningfully the nursing care they receive. METHODS: Developed from qualitative interviews with patients, the original 90-item PAQS-ACV was tested with 1,470 medical surgical patients in 43 units across seven hospitals. The typical patient was a married, 50-year-old, high school-educated patient hospitalized for the fourth time. Every 10th patient was asked to complete the PAQS-ACV 2 weeks later. RESULTS: After exploratory factor analysis, 45 items remained in five factors, accounting for 54% of the variance. Internal consistency estimates were above.83 for four of the five factors, with the fifth factor being.68. Test-retest reliability ranged from .58 to .71. Content validity was established and construct validity has been explored preliminarily by examining the relationship between the PAQS-ACV scores and patients' compliance. DISCUSSION: Although the PAQS-ACV is a relatively new measure of quality nursing care, it has met many criteria for an adequate measure of quality care. The instrument fills a void in the assessment of quality by including patients in the direct evaluation of the care received.
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.
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 | 0,005 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| 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 découle