The Ontario Nursing Workload Demonstration Projects: Rethinking How We Measure, Cost and Plan the Work of Nurses
Notice bibliographique
Résumé
BACKGROUND: In 2008 the Nursing Secretariat of Ontario's Ministry of Health and Long-Term Care formed a Nursing Workload Steering Committee to oversee the implementation of three demonstration projects with the objectives: to assess the feasibility of Health Outcomes for Better Information and Care (HOBIC) data as a measure of nursing workload, determine the indicators that best support nurse leaders to measure nursing work and make informed staffing decisions, and develop a model that predicts acute care nursing costs. RESULTS: Three HOBIC scales--activities of daily living (ADLs), continence and fatigue--explained a small amount of the variance in nurse judgment of the amount of nursing time patients require in the first 24 hours of care. Nurses in the study appreciated providing their professional judgment to help estimate the nursing work requirements of patients. The priority and secondary indicators most important for decision-making included medical severity of patients, environmental complexity, nurse experience, patient turnover, nurse-to-patient ratio, cognitive status, infection control, nurse vacancy, predictability of patient types, nursing interventions, patient volumes, co-morbidities, patient self-care abilities, physical and psychosocial functioning, unit type and medical diagnosis. A fairly robust model was developed using existing data sources to estimate nursing input into a patient's costs. The model explained between 69% and 80% of the variation in nursing costs for each patient. CONCLUSION: In order to effectively measure, plan and cost nursing, we need to determine what nursing is. In the future, recognition of nurses as knowledge workers will require us to consider the many patient and environmental factors that affect the ability of nurses to apply their professional judgment to care for 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 | 0,001 | 0,001 |
| Communication savante | 0,001 | 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 ».