Implementing nursing best practice guidelines: Impact on patient referrals
Notice bibliographique
Résumé
BACKGROUND: Although referring patients to community services is important for optimum continuity of care, referrals between hospital and community sectors are often problematic. Nurses are well positioned to inform patients about referral resources. The objective of this study is to describe the impact of implementing six nursing best practice guidelines (BPGs) on nurses' familiarity with patient referral resources and referral practices. METHODS: A prospective before and after design was used. For each BPG topic, referral resources were identified. Information about these resources was presented at education sessions for nurses. Pre- and post-questionnaires were completed by a random sample of 257 nurses at 7 hospitals, 2 home visiting nursing services and 1 public health unit. Average response rates for pre- and post-implementation questionnaires were 71% and 54.2%, respectively. Chart audits were completed for three BPGs (n = 421 pre- and 332 post-implementation). Post-hospital discharge patient interviews were conducted for four BPGs (n = 152 pre- and 124 post-implementation). RESULTS: There were statistically significant increases in nurses' familiarity with resources for all BPGs, and self-reported referrals to specific services for three guidelines. Higher rates of referrals were observed for services that were part of the organization where the nurses worked. There was almost a complete lack of referrals to Internet sources. No significant differences between pre- and post-implementation referrals rates were observed in the chart documentation or in patients' reports of referrals. CONCLUSION: Implementing nursing BPGs, which included recommendations on patient referrals produced mixed results. Nurses' familiarity with referral resources does not necessarily change their referral practices. Nurses can play a vital role in initiating and supporting appropriate patient referrals. BPGs should include specific recommendations on effective referral processes and this information should be tailored to the community setting where implementation is taking place.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,022 | 0,138 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».