MétaCan
Menu
Retour à la cohorte
Enregistrement W2102386024 · doi:10.1177/1527154406297799

Decision Making for Nurse Staffing: Canadian Perspectives

2006· article· en· W2102386024 sur OpenAlexaffabout
Linda M. Hall, Leah Pink, Michelle Lalonde, Gail Tomblin Murphy, Linda O’Brien‐Pallas, Heather K. Spence Laschinger, Ann E. Tourangeau, Jeanne Besner, Deborah Tregunno, Donna Thomson, Jessica Peterson, Lisa Seto, Jennifer Akeroyd

Notice bibliographique

RevuePolicy Politics & Nursing Practice · 2006
Typearticle
Langueen
DomaineHealth Professions
ThématiqueNursing Roles and Practices
Établissements canadiensSt. Peter's HospitalYork UniversityUniversity of CalgaryAlberta Health ServicesWestern UniversityDalhousie UniversityUniversity of TorontoMinistry of Health and Long Term CareCanadian Foundation for Healthcare ImprovementCanadian Institutes of Health Research
Organismes subventionnairesnon disponible
Mots-clésStaffingNursingBusinessPsychologyMedicine

Résumé

récupéré en direct d'OpenAlex

The effectiveness of methods for determining nurse staffing is unknown. Despite a great deal of interest in Canada, efforts conducted to date indicate that there is a lack of consensus on nurse staffing decision-making processes. This study explored nurse staffing decision-making processes, supports in place for nurses, nursing workload being experienced, and perceptions of nursing care and outcomes in Canada. Substantial information was provided from participants about the nurse staffing decision-making methods currently employed in Canada including frameworks for nurse staffing, nurse-to-patient ratios, workload measurement systems, and "gut" instinct. A number of key themes emerged from the study that can form the basis for policy and practice changes related to determining appropriate workload for nursing in Canada. These include the use of (a) staffing principles and frameworks, (b) nursing workload measurement systems, (c) nurse-to-patient ratios, and (d) the need for uptake of evidence related to nurse staffing.

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 distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,008
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche, Méta-épidémiologie (sens strict), Études des sciences et des technologies
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,927
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,008
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0030,000
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,045
Tête enseignante GPT0,502
Écart entre enseignants0,457 · 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 tête enseignante, pas un consensus.

Devis d'étudeThéorique ou conceptuel
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

Citations27
Publié2006
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revuePolicy Politics & Nursing PracticeMême sujetNursing Roles and PracticesTravaux en français237 207