MétaCan
Menu
← Retour à la cohorte
Enregistrement W2979628099

Sjuksköterskors användning av symtomskattningsinstrument i palliativ vård

2017· article· sv· W2979628099 sur OpenAlexaboutno aff
Margareta Hammarlund, Malin Parsmo

Notice bibliographique

RevueSophiahemmet University Library (Sophiahemmet University) · 2017
Typearticle
Languesv
DomaineMedicine
ThématiquePalliative Care and End-of-Life Issues
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésPalliative careHumanitiesMedicineNursingPhilosophy
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Symtomlindring är en av den palliativa vårdens hörnstenar. Sjuksköterskan har en central roll i den palliativa vården och kunskapen om symtom och symtomskattning är av största vikt. Det finns forskning som visar att symtomskattning förbättrar patientens symtomlindring. Genom att kartlägga användandet av sjuksköterskors symtomskattningsinstrument idag kan behovet av stöd och utbildning upptäckas. Sjuksköterskor är den yrkeskategori som ofta utför symtomskattningen, och genom att ge möjlighet till ett strukturerat arbetssätt underlättar det att ge patienter i palliativ vård bästa möjliga symtomlindring. Regelbunden symtomskattning rekommenderas i Socialstyrelsens nationella riktlinjer för palliativ vård. Vid utvärdering av den palliativa vården i livets slutskede har det identifierats som ett av förbättringsområdena att öka andelen personer med behov av palliativ vård i livets slutskede som smärtskattas. Syftet med studien var att kartlägga användandet av validerat symtomskattningsinstrument i palliativ vård hos sjuksköterskor inom kommunal regi. Metoden var en sekventiell mixad metod som bestod av en till största delen kvantitativ enkätstudie, med ett fåtal kvalitativa frågor, samt uppföljande förklarande frågor med utgångspunkt ur enkätsvaren. Datainsamling pågick mellan 16 januari 2017 till och med 9 mars 2017. Enkäterna skickades till 259 sjuksköterskor i Jönköpings kommun och 85 besvarade enkäten. Data analyserades med hjälp av enkätverktyget esMaker och Microsoft Excel, och presenterades i tabeller, figurer och löpande text, och jämförelser mellan olika variabler gjordes. Uppföljande frågor skickades via mail till 36 respondenter som givit sitt medgivande att svara på ytterligare frågor. De kvalitativa frågorna bestod av en fråga ur enkäten och två uppföljande frågor, vilka analyserades med tematisk analys. Sammanlagt framkom åtta teman. De symtomskattningsinstrument som efterfrågades i enkäten var Visuell analog skala (VAS), Numeric Rating scale (NRS), Abbey pain scale, Södersjukhuset SÖS-stickan (SÖS) och Edmonton Symptom Assessment System (ESAS). Resultatet visade att större delen av sjuksköterskorna använde sig av symtomskattningsinstrument i palliativ vård, där 49 procent använde instrumenten varje vecka. Det instrument som användes mest var VAS (85,5 %) och minst var NRS (7,2 %). De sjuksköterskor som fått utbildning i palliativ vård och användandet av symtomskattningsinstrument använde instrumenten i högre grad än de som inte fått utbildning. Sjuksköterskor med längre erfarenhet använde symtomskattningsinstrument i högre utsträckning än de som var nyare i yrket. Slutsatsen är att kunskap och erfarenhet gör att sjuksköterskorna använder symtomskattningsinstrument i större utsträckning. Genom utbildning till sjuksköterskor om både palliativ vård och om nyttan av att använda symtomskattningsinstrument kan personer som vårdas i livets slutskede få möjlighet att symtomskattas med validerat instrument och på så vis få adekvat symtomlindring.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,004
score de la tête « metaresearch » (Gemma)0,017
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,101
Score d'incertitude au seuil0,339

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,017
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,002
Bibliométrie0,0020,001
Études des sciences et des technologies0,0030,002
Communication savante0,0060,004
Science ouverte0,0010,005
Intégrité de la recherche0,0030,006
Charge utile insuffisante (le modèle a refusé de juger)0,1010,037

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 Opus0,082
Tête enseignante GPT0,303
Écart entre enseignants0,220 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeQualitatif
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

Citations0
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSophiahemmet University Library (Sophiahemmet University)→Même sujetPalliative Care and End-of-Life Issues→Travaux en français237 207→