The effect of nursing care delivery models on quality and safety outcomes of care: A cross‐sectional survey study of medical‐surgical nurses
Notice bibliographique
Résumé
AIMS: This study examined the effect of two components of a model of nursing care delivery, the mode of nursing care delivery, and skill-mix on: (a) quality of nursing care; and (b) patient adverse events, after controlling for nurse demographics, work environment, and workload factors. DESIGN: A cross-sectional exploratory correlational study that drew on secondary data was conducted. METHODS: Survey data from 416 direct care registered nurses from medical-surgical settings across British Columbia were analysed using hierarchical multiple regression. Larger study data were collected in 2015. RESULTS: Nurses working in a team-based mode reported a greater number of nursing tasks left undone compared with those working in a total patient care. Nurses working in a skill-mix with licensed practical nurses reported a higher frequency of patient adverse events compared with those working in a skill-mix without licensed practical nurses. At higher levels of acuity, nurses in a team-based mode reported a higher frequency of patient adverse events than did nurses in a total patient care. CONCLUSION: Models of nursing care delivery components, mode and skill-mix, influenced quality and safety outcomes. Some of the team-based medical-surgical nurses in British Columbia are not functioning as effective teams. Team building strategies should be used to enhance collaboration among them. IMPACT: Research into redesigning care delivery has typically focused on only one care delivery component at a time. The study findings could have implications for nurses and patients, nursing leadership and policymakers particularly in medical-surgical settings in British Columbia.
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 | 0,003 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 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 ».