Intensive care unit organisation and nurse outcomes: A cross-sectional study of traditional and “hot-floor” structures
Notice bibliographique
Résumé
Aim: To explore the relationship between the practice environment and nurse outcomes in two Intensive Care Unit (ICU) models.Background: Internationally the demand for intensive care is increasing. A large capacity multi-specialty integrated critical care service, the “hot-floor”, is emerging as the preferred organisational model. Benefits include resource consolidation and improved utilisation, operational synergies, operational flexibility and demand management. A large clinical workforce with commensurate frontline management, education and support positions are required. The association between these factors, within the ICU hot-floor work environment, and nurse outcomes is not known.Methods: Registered nurses (RNs) working in two ICUs, one a hot-floor model and one traditional ICU, completed a structured questionnaire. Nurse perceptions of work-life and organisational factors, and dimensions of burnout were examined using the Practice Environment Scale-Nursing Work Index (PES-NWI) and Maslach’s Burnout Inventory (MBI).Results: Units matched on service level characteristics, training accreditation, patient casemix, operational and clinical care processes. Nurses in had similar demographic characteristics, professional attributes and experience. Workforce structures were also similar though the hot-floor had relatively less dedicated resources for frontline nurse management and clinical education positions. Hot-floor nurses worked more paid overtime and were redeployed less frequently to external wards. Nurse manager leadership and support was less effective, and nurses expressed lower personal accomplishment.Conclusions: Improved demand management achieved through greater operational flexibility is a key driver for the hot-floor model. Planning for enhanced organisational effectiveness requires corresponding improvements in the work environment to optimise nurse retention to ensure organisational sustainability.
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 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 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 ».