Newfoundland and Labrador: 80/20 Staffing Model Pilot in a Long-Term Care Facility
Notice bibliographique
Résumé
This project, based in Newfoundland and Labrador's Central Regional Health Authority, is the first application of an 80/20 staffing model to a long-term care facility in Canada. The model allows nurse participants to spend 20% of their paid time pursuing a professional development activity instead of providing direct patient care. Newfoundland and Labrador has the highest aging demographic in Canada owing, in part, to the out-migration of younger adults. Recruiting and retaining nurses to work in long-term care in the province is difficult; at the same time, the increasing acuity of long-term care residents and their complex care needs mean that nurses must assume greater leadership roles in these facilities. This project set out to increase capacity for registered nurse (RN) leadership, training and support and to enhance the profile of long-term care as a place to work. Six RNs and one licensed practical nurse (LPN) participated and engaged in a range of professional development activities. Several of the participants are now pursuing further nursing educational activities. Central Health plans to continue a 90/10 model for one RN and one LPN per semester, with the timeframe to be determined. The model will be evaluated and, if it is deemed successful, the feasibility of implementing it in other sites throughout the region will be explored.
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 | 0,001 | 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 | 0,001 | 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 ».