Measuring Nurses’ Impact on Health Care Quality
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: Quality measurement is central in efforts to improve health care delivery and financing. The Interdisciplinary Nursing Quality Research Initiative supported interdisciplinary research teams to address gaps in measuring the contributions of nursing to quality care. OBJECTIVE: To summarize the research of 4 interdisciplinary teams funded by The Interdisciplinary Nursing Quality Research Initiative and reflect on challenges and future directions to improving quality measurement. METHODS: Each team summarized their work including the targeted gap in measurement, the methods used, key results, and next steps. The authors discussed key challenges and recommended future directions. RESULTS: These exemplar projects addressed cross-cutting issues related to quality; developed measures of patient experience; tested new ways to model the important relationships between structure, process, and outcome; measured care across the continuum; focused on positive aspects of care; examined the relationship of nursing care with outcomes; and measured both nursing and interdisciplinary care. DISCUSSION: Challenges include: measuring care delivery from multiple perspectives; determining the dose of care delivered; and measuring the entire care process. Meaningful measures that are simple, feasible, affordable, and integrated into the care delivery system and electronic health record are needed. Advances in health information systems create opportunities to advance quality measurement in innovative ways. CONCLUSIONS: These findings and products add to the robust set of measures needed to measure nurses' contributions to the care of hospitalized patients. The implementation of these projects has been rich with lessons about the ongoing challenges related to quality measurement.
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 | 0,000 | 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 découle