Attending Nurse Practitioners in Long-Term Care Homes Evaluation
Notice bibliographique
Résumé
IntroductionIn 2014, the Ontario Ministry of Health and Long-Term Care (MOHLTC) announced funding for 75 nurse practitioners (NPs) over three years in long-term care (LTC) homes. This evaluation was approved by ICES’ Applied Health Research Question (AHRQ) team, a portfolio which answers questions from stakeholders having impact on healthcare policy. Objectives and ApproachThe purpose of this project is to evaluate the impact of the first thirty NPs hired. Changes will be evaluated using key outcome measures of resident care (e.g., early hospital discharge, emergency room bed days) identified through a literature review conducted by the MOHLTC. LTC home residents were identified using all individuals with claims in OHIP during the 2016-17 fiscal year with a location of a LTC home. LTC homes with a hired NP were considered to be cases and all other LTC homes were considered to be controls. ResultsFor part one of this evaluation, case and control LTC homes were stratified by bed size, Case Mix Index, rurality and Local Health Integration Network. Hospitalization records and emergency visits (from Discharge Abstract Database and National Ambulatory Care Reporting System) were determined for LTCH residents 6 months before and after the NP hire date of October 1, 2016. Overall, the rate of hospital admissions (per 100 residents) increased by 3.44% (8.51% to 11.94%) following the NP hire date; whereas, the rate of hospital admissions increased by 2.29% (6.55% to 8.83%) among controls. Following the NP hire date, the rate of emergency department visits also increased by 3.15% among cases (16.62% to 19.77%) in comparison to a 2.31% increase among controls (12.55% to 14.86%). Conclusion/ImplicationsThe findings from this evaluation will inform further implementation strategies of the NP program and guide decision-making of future funding opportunities. In summary, the results will inform policies to strengthen care of LTC homes and improve the quality of care of residents.
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 | 0,017 | 0,028 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,002 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».