Provider to Patient Ratios for Nurse Practitioners and Physician Assistants in Critical Care Units
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.
Notice bibliographique
Résumé
BACKGROUND: Nurse practitioners and physician assistants are being increasingly integrated into intensive care unit and hospital-based care teams, yet limited information is available on provider to patient ratios. OBJECTIVE: To determine current provider to patient ratios for nurse practitioners and physician assistants working in intensive and acute care units and to assess factors that affect the ratios. METHODS: A descriptive study design was used with a Web-based survey of members of the American Association of Nurse Practitioners, American Academy of Physician Assistants, and the Society of Critical Care Medicine. RESULTS: Responses were received from 222 nurse practitioners and 211 physician assistants from all but 8 of the 50 United States and from Canada. Mean provider to patient ratios in intensive care were 1 to 5 (range, 1 to 3 - 1 to 8). In pediatric intensive care, the mean ratio of nurse practitioners to patients was 1 to 4 (range, 1 to 3 - 1 to 8). Factors that affected nurse practitioner and physician assistant provider to patient ratios included patients' severity of illness, number of patients in the unit, number of providers in the unit, patient diagnosis, number of physicians in the unit, time of day, and number of fellows and medical residents on service. CONCLUSIONS: Additional information on factors influencing provider to patient ratios and specific components of the roles of nurse practitioners and physician assistants will be important to ensure the best utilization of these providers to enable optimal patient care outcomes.
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 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 | 0,006 |
| 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 découle