Evidence-based design in an intensive care unit: End-user perceptions
Notice bibliographique
Résumé
BACKGROUND: The objective of this study was to describe end-user impressions and experiences in a new intensive care unit built using evidence-based design. METHODS: This qualitative study was comprised of early (2-3 months after opening) and late (12-15 months after opening) phase individual interviews with end-users (healthcare providers, support staff, and patient family members) of the newly constructed Foothills Medical Centre intensive care unit in Calgary, Canada. The study unit was the recipient of the Society of Critical Care Medicine Design Citation award in 2012. RESULTS: We conducted interviews with thirty-nine ICU end-users, twenty-four in the early phase and fifteen in the late phase. We identified four themes (eleven sub-themes): atmosphere (abundant natural light and low noise levels), physical spaces (single occupancy rooms, rooms clustered into clinical pods, medication rooms, and tradeoffs of larger spaces), family participation in care (family support areas and social networks), and equipment (usability, storage, and providers connectivity). Abundant natural light was the design feature most frequently associated with a pleasant atmosphere. Participants emphasized the tradeoffs of size and space, and reported that the benefits of additional space (e.g., fewer interruptions due to less noise) out-weighed the disadvantages (e.g., greater distances between patients, families and providers). End-users advised that local patient care policies (e.g., number of visitors allowed at a time) and staffing needed to be updated to reflect the characteristics of the new facility design. CONCLUSIONS: End-users identified design elements for creating a pleasant atmosphere, attention to the tradeoffs of space and size, designing family support areas to encourage family participation in care, and updating patient care policies and staffing to reflect the new physical space as important aspects to consider when building intensive care units. Evidence-based design may optimize ICU structure for patients, patient families and providers.
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 | 0,167 | 0,170 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,005 |
| Communication savante | 0,008 | 0,005 |
| Science ouverte | 0,002 | 0,005 |
| Intégrité de la recherche | 0,003 | 0,002 |
| 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 ».