Integrative review: an evaluation of the methods used to explore the relationship between overtime and patient outcomes
Notice bibliographique
Résumé
AIMS: To analyse, critically, methods employed to explore the relationship between nursing overtime and patient outcomes to strengthen future research. BACKGROUND: Nursing overtime hours have been increasing in the Western world since the 1980's; however, research detailing its implications for patient outcomes has not kept pace. Studies exploring the relationship between nursing overtime and patient outcomes have produced conflicting results and are deficient in number and rigour. DESIGN: Whittemore and Knafl's revised framework for integrative reviews guided the analysis. DATA SOURCES: A comprehensive multi-step search (1980-2012) of literature related to nursing overtime and patient outcomes in the CINAHL, Medline, PubMED, EMBASE and PsychInfo databases was performed. Reference lists and Google searches were completed for additional sources. Nine research papers met the inclusion criteria. REVIEW METHODS: All nine articles were included in the review. A systematic, iterative approach was used to extract and reduce the data to draw conclusions. RESULTS: There appears to be a positive relationship between nursing overtime and patient outcomes, however, eight of the nine studies revealed limitations in: (1) the definition and measurement of overtime; (2) data aggregation (organizationally and temporally) and (3) recognition or control of potential confounding variables. CONCLUSION: The quality in this research sample limits the ability of this body of work to be the basis of staffing policies. Future researchers need to be explicit in detailing their methods alongside a renewed commitment from administration to develop a tracking system of important parameters at the individual and bedside level.
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 | 0,003 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 ».