A Journey to Patient-Centered Care in Ontario, Canada
Notice bibliographique
Résumé
PURPOSE: This article describes the process undertaken to implement the Best-Practice Guideline on Client (patient)-centered care. Curriculum development, the application of theoretical frameworks, and the use of a variety of models for care and learning are described. Clinical nurse specialists demonstrated successful curriculum development, facilitation, and research uptake by participants. BACKGROUND: As a Canadian teaching hospital, we are committed to promoting a variety of evidence-based practice guidelines that are systematically developed and framed around a core set of values consistent with our ethical frameworks and based on current research and theories. Many guidelines are prescriptive; however, this particular guideline posed challenges because of its conceptual and philosophical nature. DESCRIPTION: Challenges of curriculum development were resolved using the "know-do-be" framework and "proximity" as the element of the caring component of patient-centered care. Elements of narrative theory and inclusion of nursing and other experiential learning models were utilized. Competing corporate initiatives that linked with client-centered care were included. OUTCOMES: The process resulted in the development of a 12-week course entitled "The Telling Stories of our Practice-Client-Centered Care." Evidence of sustainability and spread of this best-practice guideline to other corporate initiatives through research, patient safety workshops, nursing staff orientation, and other educational activities focusing on professionalism, quality of work life, and falls prevention is described. CONCLUSIONS: Clinical nurses specialists and other advanced practice nurses demonstrated clinical competencies in initiating changes that resulted in increased use of evidence-based practice.
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 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 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 ».