Nurse Staffing Models as Predictors of Patient Outcomes
Notice bibliographique
Résumé
BACKGROUND: Little research has been conducted that examined the intended effects of nursing care on clinical outcomes. OBJECTIVE: The objective of this study was to evaluate the impact of different nurse staffing models on the patient outcomes of functional status, pain control, and patient satisfaction with nursing care. RESEARCH DESIGN: A repeated-measures study was conducted in all 19 teaching hospitals in Ontario, Canada. SUBJECTS: The sample comprised hospitals and adult medical-surgical and obstetric inpatients within those hospitals. MEASURES: The patient's functional health outcomes were assessed with the Functional Independence Measure (FIM) and the Medical Outcome Study SF-36. Pain was assessed with the Brief Pain Inventory and patient perceptions of nursing care were measured with the nursing care quality subscale of the Patient Judgment of Hospital Quality Questionnaire. RESULTS: The proportion of regulated nursing staff on the unit was associated with better FIM scores and better social function scores at hospital discharge. In addition, a mix of staff that included RNs and unregulated workers was associated with better pain outcomes at discharge than a mix that involved RNs/RPNs and unregulated workers. Finally, patients were more satisfied with their obstetric nursing care on units where there was a higher proportion of regulated staff. CONCLUSIONS: The results of this study suggest that a higher proportion of RNs/RPNs on inpatient units in Ontario teaching hospitals is associated with better clinical outcomes at the time of hospital discharge.
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 | 0,000 | 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) | 0,001 | 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 ».