Are healthcare aides underused in long-term care? A cross-sectional study on continuing care facilities in Canada
Notice bibliographique
Résumé
OBJECTIVES: Over the last 10 years, appropriate workforce utilisation has been an important discussion among healthcare practitioners and policy-makers. The role of healthcare aides (HCAs) has also expanded to improve their utilisation. This evolving role of HCAs in Canada has prompted calls for standardised training, education and scope of practice for HCAs. The purpose of this research was to examine the differences in HCAs training and utilisation in continuing care facilities. DESIGN: From June 2014 to July 2015, we conducted a mixed-method study on HCA utilisation in continuing care. This paper presents findings gathered solely from the prospective cross-sectional survey of continuing care facilities (long-term care (LTC) and supportive living (SL)) on HCA utilisation. SETTING AND PARTICIPANTS: We conducted this study in a Western Canadian province. The managers of the continuing care facilities (SL and LTC) were eligible to participate in the survey. PRIMARY OUTCOME MEASURES: The pattern of HCAs involvement in medication assistance and other care activities in SL and LTC facilities. RESULTS: We received 130 completed surveys (LTC=64 and SL=52). Our findings showed that approximately 81% of HCAs were fully certified. We found variations in how HCAs were used in SL and LTC facilities. Overall, HCAs in SL were more likely to be involved in medication management such as assisting with inhaled medication and oral medication delivery. A significantly larger proportion of survey respondents from SL facilities reported that medication assistance training was mandatory for their HCAs (86%) compared with the LTC facilities (50%) (p value <0.01). CONCLUSION: The utilisation of HCAs varies widely between SL and LTC facilities. HCAs in SL facilities may be considered better used according to their required educational training and competencies. Expanding the role of HCAs in LTC facilities may lead to a cost-effective and more efficient utilisation of workforce in continuing care facilities.
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 | 0,002 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,004 |
| Études des sciences et des technologies | 0,004 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».