Moving the agenda forward: a person‐centred framework in long‐term care
Notice bibliographique
Résumé
BACKGROUND: Internationally, the role of the registered nurse (RN) in long-term care (LTC) settings has evolved in response to the demands of governmental and organisational priorities. In stark contrast to the regulatory mandates, a person-centred care approach in LTC settings would require different outcomes, processes and competencies of the RN. AIMS: This article explores the implications of defining the RN's role in delivering person-centred care in LTC homes. METHODS: Based on a review of the literature, we present a framework that can be used to gather evidence on the outcomes, processes of care and competencies required of RNs to lead their teams to person-centred LTC homes. RESULTS: The development of the framework highlighted several issues: (i) current measures of quality in LTC settings focus on health outcomes and avoiding adverse events rather than on resident quality of life and well-being, which influences the RN's practice; (ii) person-centred care has emerged as a focus of care, yet measures currently developed are limited, and thus, new outcomes are proposed; (iii) to practice in a person-centred way, RNs must work through others on their team to ensure that staff truly relate to their residents, tailor approaches based on the remaining abilities of the residents and manipulate environments to match the competence of the individual, while focusing on residents' personhood and (iv) competencies of RNs to deliver person-centred care include leadership, facilitation, clinical excellence and critical thinking skills. CONCLUSIONS: RNs need to be supported, allowed and encouraged in redesigning their role, to work to their full capacity if they are truly to support person-centred care in LTC settings.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».