MétaCan
Menu
Retour à la cohorte
Enregistrement W2986822678 · doi:10.12927/cjnl.2019.25972

Nurse-Led Models of Care for Patients with Complex Chronic Conditions: A Scoping Review

2019· review· en· W2986822678 sur OpenAlexaffvenueabout
Kayleigh Gordon, Carolyn Steele Gray, Katie N. Dainty, Jane DeLacy, Emily Seto

Notice bibliographique

RevueNursing leadership · 2019
Typereview
Langueen
DomaineMedicine
ThématiqueChronic Disease Management Strategies
Établissements canadiensWilliam Osler Health SystemLunenfeld-Tanenbaum Research InstitutePublic Health Ontario
Organismes subventionnairesnon disponible
Mots-clésNursingPsychologyMedicine

Résumé

récupéré en direct d'OpenAlex

The burden of complex, chronic conditions in Canadian healthcare is growing, requiring more human and financial resources than ever before. It has become increasingly paramount to look for new ways to more effectively manage complex care to meet the needs of patients and providers. Nurse-led models, including advanced practice models, are uniquely positioned to pioneer innovative care delivery methods for patients with complex chronic needs in Canada. A scoping review was undertaken to determine what is known about nurse-led models of care for patients with complex chronic conditions. Nurse-led models of care include not only nurses independently managing complex care but also nurse practitioners, clinical nurse specialists and other specialist nurses. Using the Arksey and O'Malley framework for scoping reviews, 35 publications were identified in the search. Although the academic literature was surprisingly limited, our results suggest that nurse-led models are feasible opportunities to better coordinate care of patients with complex chronic conditions. Specific aims of nurse-led models of care focused on patients with more than one condition were identified in the review. These findings highlight the need to continue to explore nurse-led models of care as a strategy to facilitate a more coordinated and systematic approach to chronic care delivery.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Revue systématique · Signal consensuel: Revue systématique
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,140
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0030,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,374
Tête enseignante GPT0,433
Écart entre enseignants0,058 · 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'étudeRevue systématique
Domainenon disponible
GenreSynthèse

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

En bref

Citations24
Publié2019
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueNursing leadershipMême sujetChronic Disease Management StrategiesTravaux en français237 207