MétaCan
Menu
Retour à la cohorte
Enregistrement W2097307084 · doi:10.4037/ccn2011710

Napping During Night Shift: Practices, Preferences, and Perceptions of Critical Care and Emergency Department Nurses

2011· article· en· W2097307084 sur OpenAlexafffund
Wendy M. Fallis, Diana E. McMillan, Marie Edwards

Notice bibliographique

RevueCritical Care Nurse · 2011
Typearticle
Langueen
DomainePsychology
ThématiqueSleep and Work-Related Fatigue
Établissements canadiensUniversity of ManitobaVictoria General Hospital
Organismes subventionnairesRegistered Nurses' Association of Ontario
Mots-clésNapStaffingPatient safetyMedicineNursingShift workSleep deprivationPerceptionOccupational safety and healthHealth carePsychologyCognitionPsychiatry

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Nurses working night shifts are at risk for sleep deprivation, which threatens patient and nurse safety. Little nursing research has addressed napping, an effective strategy to improve performance, reduce fatigue, and increase vigilance. OBJECTIVE: To explore nurses' perceptions, experiences, barriers, and safety issues related to napping/not napping during night shift. METHODS: A convenience sample of critical care nurses working night shift were interviewed to explore demographics, work schedule and environment, and napping/ not napping experiences, perceptions, and barriers. Transcripts were constantly compared, and categories and themes were identified. RESULTS: Participants were 13 critical care nurses with an average of 17 years' experience. Ten nurses napped regularly; 2 avoided napping because of sleep inertia. The need for and benefits of napping or not during night shift break were linked to patient and nurse safety. Ability to nap was affected by the demands of patient care and safety, staffing needs, and organizational and environmental factors. CONCLUSIONS: Nurses identified personal health, safety, and patient care issues supporting the need for a restorative nap during night shift. Barriers to napping exist within the organization/work environment.

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)0,005
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,010
Score d'incertitude au seuil0,020

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,005
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,050
Tête enseignante GPT0,376
Écart entre enseignants0,326 · 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'étudeQualitatif
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

Citations97
Publié2011
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueCritical Care NurseMême sujetSleep and Work-Related FatigueTravaux en français237 207