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: 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.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
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