Interventions aimed at improving the nursing work environment: a systematic review
Notice bibliographique
Résumé
BACKGROUND: Nursing work environments (NWEs) in Canada and other Western countries have increasingly received attention following years of restructuring and reported high workloads, high absenteeism, and shortages of nursing staff. Despite numerous efforts to improve NWEs, little is known about the effectiveness of interventions to improve NWEs. The aim of this study was to review systematically the scientific literature on implemented interventions aimed at improving the NWE and their effectiveness. METHODS: An online search of the databases CINAHL, Medline, Scopus, ABI, Academic Search Complete, HEALTHstar, ERIC, Psychinfo, and Embase, and a manual search of Emerald and Longwoods was conducted. (Quasi-) experimental studies with pre/post measures of interventions aimed at improving the NWE, study populations of nurses, and quantitative outcome measures of the nursing work environment were required for inclusion. Each study was assessed for methodological strength using a quality assessment and validity tool for intervention studies. A taxonomy of NWE characteristics was developed that would allow us to identify on which part of the NWE an intervention targeted for improvement, after which the effects of the interventions were examined. RESULTS: Over 9,000 titles and abstracts were screened. Eleven controlled intervention studies met the inclusion criteria, of which eight used a quasi-experimental design and three an experimental design. In total, nine different interventions were reported in the included studies. The most effective interventions at improving the NWE were: primary nursing (two studies), the educational toolbox (one study), the individualized care and clinical supervision (one study), and the violence prevention intervention (one study). CONCLUSIONS: Little is known about the effectiveness of interventions aimed at improving the NWE, and published studies on this topic show weaknesses in their design. To advance the field, we recommend that investigators use controlled studies with pre/post measures to evaluate interventions that are aimed at improving the NWE. Thereby, more evidence-based knowledge about the implementation of interventions will become available for healthcare leaders to use in rebuilding nursing work environments.
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 | 0,013 | 0,047 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,009 | 0,006 |
| Bibliométrie | 0,013 | 0,013 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,003 |
| Science ouverte | 0,003 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».