MétaCan
Menu
Retour à la cohorte
Enregistrement W2062655118 · doi:10.1097/nnr.0b013e31822228dc

Nurse Dose

2011· article· en· W2062655118 sur OpenAlexaffabout
Milisa Manojlovich, Souraya Sidani, Christine L. Covell, Cathy L. Antonakos

Notice bibliographique

RevueNursing Research · 2011
Typearticle
Langueen
DomaineNursing
ThématiqueNursing education and management
Établissements canadiensToronto Metropolitan University
Organismes subventionnairesnon disponible
Mots-clésStaffingPoisson regressionSkill mixBivariate analysisMedicineNursingAcute careFamily medicineEmergency medicineHealth careEnvironmental healthStatistics

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Inconsistent findings in more than 100 studies have made it difficult to explain how variation in nurse staffing affects patient outcomes. Nurse dose, defined as the level of nurses required to provide patient care in hospital settings, draws on variables used in staffing studies to describe the influence of many staffing variables on outcomes. OBJECTIVES: The aim of this study was to examine the construct validity of nurse dose by determining its association with methicillin-resistant Staphylococcus aureus (MRSA) infections and reported patient falls on a sample of inpatient adult acute care units. METHODS: Staffing data came from 26 units in Ontario, Canada, and Michigan. Financial and human resource data were data sources for staffing variables. Sources of data for MRSA came from infection control departments. Incident reports were the data source for patient falls. Data analysis consisted of bivariate correlations and Poisson regression. RESULTS: Bivariate correlations revealed that nurse dose attributes (active ingredient and intensity) were associated significantly with both outcomes. Active ingredient (education, experience, skill mix) and intensity (full-time employees, registered nurse [RN]:patient ratio, RN hours per patient day) were significant predictors of MRSA. Coefficients for both attributes were negative and almost identical. Both attributes were significant predictors of reported patient falls, and coefficients were again negative, but coefficient sizes differed. DISCUSSION: By conceptualizing nurse and staffing variables (education, experience, skill mix, full-time employees, RN:patient ratio, RN hours per patient day) as attributes of nurse dose and by including these in the same analysis, it is possible to determine their relative influence on MRSA infections and reported patient falls.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,011
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,062
Score d'incertitude au seuil0,000

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,011
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0620,013

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.

Tête enseignante Opus0,177
Tête enseignante GPT0,465
Écart entre enseignants0,288 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations50
Publié2011
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueNursing ResearchMême sujetNursing education and managementTravaux en français237 207