Les modèles de dotation en soins infirmiers dans un contexte de soins aigus
Notice bibliographique
Résumé
Le système de santé québécois fait face à de grands défis de dotation en personnel infirmier, entre autres puisqu’il doit répondre à des demandes croissantes de services, tout en composant avec une diminution de la main-d’oeuvre qui dispense ces services. Les problèmes de dotation peuvent entrainer une baisse de la qualité et de la sécurité des soins offerts aux patients et une hausse des coûts pour les organisations de santé. Bien que la dotation soit une pierre angulaire de la gestion des ressources humaines, il n’y a pas encore de meilleures pratiques claires et établies pour assurer une dotation en personnel infirmier réaliste, optimale et efficiente. Plusieurs études abordent le problème de la dotation avec un angle directeur unique, omettant ainsi d’autres dimensions importantes et déterminantes de la dotation en personnel infirmier, ce qui résulte en une vision fragmentée de celle-ci. Le but de cette étude était d’identifier les modèles de dotation prévalant en personnel infirmier dans des unités de soins aigus de centres hospitaliers d’une des plus grandes régions au Québec en tenant compte simultanément des trois principales dimensions de la dotation : la quantité de personnel, la composition des équipes de soins et la stabilité des équipes de soins. Basé sur un devis quantitatif descriptif, les variables nécessaires à l’opérationnalisation des dimensions ont été collectées pour 40 unités de soins pour la période du 11 janvier 2016 au 7 mars 2016, auprès de la direction des ressources humaines des quatre centres hospitaliers étudiés. En s’appuyant sur l’approche configurationnelle, c’est à l’aide d’une analyse factorielle multiple et une classification ascendante hiérarchique que des modèles de dotation ont été identifiés. Les résultats de l’étude constituent une description des caractéristiques de dotation des unités d’hospitalisation de courte durée des centres hospitaliers. Quatre modèles de dotation en personnel infirmier qui prévalent dans les centres hospitaliers étudiés ont émergé : le modèle le moins pourvu, le modèle de base modérément pourvu, le modèle professionnel modérément pourvu et le modèle le plus pourvu. Ce portrait des modèles de dotation présente des données inédites pour la planification des effectifs infirmiers. Les résultats de l’étude fournissent des données privilégiées pour les ii gestionnaires et les décideurs en ressources humaines afin que ceux-ci puissent comparer leur modèle de dotation aux différents modèles identifiés lors de la présente étude ainsi qu’à ceux des autres unités de soins des centres hospitaliers étudiés. Par ailleurs, la présente étude, en dressant un portrait de la situation actuelle, fournit des données importantes pour optimiser la planification des effectifs infirmiers. À la connaissance de l’étudiante-chercheuse, préalablement à cette étude il n’existait aucune classification des modèles de dotation en personnel infirmier qui tenait compte de toutes les dimensions de la dotation.
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 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,005 | 0,003 |
| Science ouverte | 0,003 | 0,002 |
| Intégrité de la recherche | 0,003 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,014 | 0,001 |
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 ».