MétaCan
Menu
Retour à la cohorte
Enregistrement W2146584149 · doi:10.1186/s13012-015-0278-1

Improving patient safety by optimizing the use of nursing human resources

2015· article· en· W2146584149 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.
fundUn bailleur canadien est enregistré sur le travail.
aboutLe titre ou le résumé porte un signal canadien du lexique géographique.

Notice bibliographique

RevueImplementation Science · 2015
Typearticle
Langueen
DomaineHealth Professions
ThématiquePatient Safety and Medication Errors
Établissements canadiensMcGill UniversityMcGill University Health CentreUniversité de Sherbrooke
Organismes subventionnairesCanadian Institutes of Health Research
Mots-clésMedicineStaffingAdverse effectEmergency medicinePatient safetyIncidence (geometry)Health careHealth administrationIntensive care medicineMedical emergencyNursingPublic healthInternal medicine

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Recent ecological studies have suggested that inadequate nurse staffing may contribute to the incidence of adverse events in acute care hospitals. However, longitudinal studies are needed to further examine these associations and to identify the staffing patterns that are of greatest risk. The aims of this study are to determine if (a) nurse staffing levels are associated with an increased risk of adverse events, (b) the risk of adverse events in relationship to nurse staffing levels is modified by the complexity of patient requirements, and (c) optimal nurse staffing levels can be established. METHODS/DESIGN: A dynamic cohort of all adult medical, surgical, and intensive care unit patients admitted between 2010 and 2015 to a Canadian academic health center will be followed during the inpatient and 7-day post-discharge period to assess the occurrence and frequency of adverse events in relationship to antecedent nurse staffing levels. Four potentially preventable adverse events will be measured: (a) hospital-acquired pneumonia, (b) ventilator-associated pneumonia, (c) venous thromboembolism, and (d) in-hospital fall. These events were selected for their high incidence, morbidity and mortality rates, and because they are hypothesized to be related to nurse staffing levels. Adverse events will be ascertained from electronic health record data using validated automated detection algorithms. Patient exposure to nurse staffing will be measured on every shift of the hospitalization using electronic payroll records. To examine the association between nurse staffing levels and the risk of adverse events, four Cox proportional hazards regression models will be used (one for each adverse event), while adjusting for patient characteristics and risk factors of adverse event occurrence. To determine if the association between nurse staffing levels and the occurrence of adverse events is modified by the complexity of patient requirements, interaction terms will be included in the regression models, and their significance assessed. To assess for the presence of optimal nurse staffing levels, flexible nonlinear spline functions will be fitted. DISCUSSION: This study will likely generate evidence-based information that will assist managers in making the most effective use of scarce nursing resources and in identifying staffing patterns that minimize the risk of adverse events.

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.

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)0,002
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesÉtudes des sciences et des technologies
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,285
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,000
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,416
Tête enseignante GPT0,558
Écart entre enseignants0,142 · 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