The associations between staffing hours and quality of care indicators in long-term care
Notice bibliographique
Résumé
BACKGROUND: Long-term care (LTC) staffing practices are poorly understood as is their influence on quality of care. We examined the relationship between staffing characteristics and residents' quality of care indicators at the unit level in LTC homes. METHODS: This cross-sectional study collected data from administrative records and resident assessments from July 2014 to June 2015 at 11 LTC homes in Ontario, Canada comprising of 55 units and 32 residents in each unit. The sample included 69 registered nurses, 183 licensed/registered practical nurses, 858 nursing assistants, and 2173 residents. Practice sensitive, risk-adjusted quality indicators were described individually, then combined to create a quality of care composite ranking per unit. A multilevel regression model was used to estimate the association between staffing characteristics and quality of care composite ranking scores. RESULTS: Nursing assistants provided the majority of direct care hours in LTC homes (76.5%). The delivery of nursing assistant care hours per resident per day was significantly associated with higher quality of resident care (p = < 0.01). There were small but significant associations with quality of care for nursing assistants with seven or more years of experience (p = 0.02), nursing assistants late to shift (p = < 0.01) and licensed/registered practical nurses late to shift (p = 0.02). CONCLUSIONS: The number of care hours per resident per day delivered by NAs is an important contributor to residents' quality of care in LTC homes. These findings can inform hiring and retention strategies for NAs in LTC, as well as examine opportunities to optimize the NA role in these settings.
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 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 | 0,005 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,002 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».