Examining nursing vital signs documentation workflow: barriers and opportunities in general internal medicine units
Notice bibliographique
Résumé
AIMS: To characterise the nursing practices of vital signs collection and documentation in a general internal medicine environment to inform strategies for improving workflow design. BACKGROUND: Clinical workflow analysis is critical to identify barriers and opportunities in current processes. Analysis can guide the design and development of novel technological solutions to produce greater efficiencies and effectiveness in healthcare delivery. Research surrounding vital signs documentation workflow in general internal medicine environments has received very little attention making it difficult to compare the effectiveness of new technologies. DESIGN: Qualitative ethnographic analyses and quantitative time-motion study were conducted. METHODS: Workflows of 24 nurses at three hospitals in five general internal medicine environments were captured, and timeliness of vital signs assessment and documentation was measured. RESULTS: Clinical assessment of vital signs was consistent, but the documentation process was highly variable within groups and between hospitals. Two themes characterised workflow barriers surrounding point-of-care documentation. First, a lack of standardised documentation methods for vital signs resulted in higher rates of transcription, increasing not only the likelihood of errors but delays in recording and accessibility of information. Second, despite advancements in electronic documentation systems, the observed system was not conducive to point-of-care documentation. Average electronic documentation was significantly longer than paper documentation. Nurses developed ad hoc workarounds that were inefficient and undermined the intent of electronic documentation. CONCLUSION: We have identified barriers and opportunities to improve the efficiency of nursing vital signs documentation. Changes in technology, workflows and environmental design allow for significant improvements and deserve further exploration. RELEVANCE TO CLINICAL PRACTICE: Attention to clinical practice and environments can improve the workflow of prompt vital signs documentation and increase clinical productivity and timeliness of information for clinical decisions, as well as minimising transcription errors leading to safer patient care.
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 | 0,016 | 0,049 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».