MétaCan
Menu
Retour à la cohorte
Enregistrement W2898277288 · doi:10.28984/drhj.v2i0.126

Nursing Processes Related to Unexpected ICU Admissions

2018· article· en· W2898277288 sur OpenAlexaffvenue
Jennifer Martin, Roberta Heale, Nancy Lightfoot, Laura Hill

Notice bibliographique

RevueDiversity of Research in Health Journal · 2018
Typearticle
Langueen
DomaineHealth Professions
ThématiqueFamily and Patient Care in Intensive Care Units
Établissements canadiensHealth Sciences NorthLaurentian University
Organismes subventionnairesnon disponible
Mots-clésMedicineStaffingDocumentationAuditVital signsNursingIntensive care medicineMedical emergencyEmergency medicineAnesthesia

Résumé

récupéré en direct d'OpenAlex

Nurses have the knowledge and skills to recognize and intervene when the condition of patients on medical or surgical units deteriorates. Despite this, deterioration is sometimes missed resulting in unexpected ICU admissions. This study explored the nursing process factors associated with unexpected ICU admissions. A chart audit was undertaken in a large urban hospital and data were collected measuring nursing assessment (vital signs), communication and documentation. Results showed that the most common reason for an unexpected ICU admission was respiratory distress. At the same time, respiratory rate was the least documented vital sign. Communication, documentation and recognition of patient deterioration play a key role in intervening and preventing unexpected ICU admissions. Attention to adequate staffing levels as well as implementation of clinical tools may assist nurses to more readily address patient deterioration and prevent unexpected ICU admissions.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,005
score de la tête « metaresearch » (Gemma)0,020
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche, Études des sciences et des technologies, Intégrité de la recherche
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,322
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0050,020
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,003
Études des sciences et des technologies0,0040,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,002
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,394
Tête enseignante GPT0,569
Écart entre enseignants0,174 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2018
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueDiversity of Research in Health JournalMême sujetFamily and Patient Care in Intensive Care UnitsTravaux en français237 207