OP48 Nursing Requirements In Long-Term Care: A Health Technology Assessment
Notice bibliographique
Résumé
Introduction The objectives of this study were to systematically review published research on the relationship between nursing staff coverage, care hours, and quality of care (QoC) in long-term care (LTC) facilities; and to conduct a real world evidence (RWE) analysis using Alberta real world data (RWD) to inform policy makers on whether any amendments could be made to current regulations. Methods A systematic review (SR) of research evidence published between January 2000 and May 2018 on the relationship between nursing staff coverage, care hours, and QoC in LTC facilities was conducted. Panel data regressions using available RWD from Alberta, Canada, were performed to assess associations between nursing care hours and LTC outcomes. Outcomes of interest included quality indicators related to resident outcomes, hospital admissions, emergency room visits and family satisfaction. Nursing care hours considered in SR and RWE analysis included those provided by registered nurses (RNs) and licensed practical nurses (LPNs). Results The SR found inconsistent and poor quality evidence relevant to the questions of interest, indicating a great uncertainty about the association between nursing staff time and type of coverage and QoC. Although some positive indications were suggested, major weaknesses of reviewed studies limited interpretation of SR results. RWE analysis found that impact of care hours on LTC outcomes was heterogeneous, dependent on outcome measurements. There was evidence that total staff, RN, and LPN hours had positive effects on some resident outcomes and magnitude of effect differed for different nursing staff. Conclusions No definitive conclusion could be drawn on whether changing nursing staff time or nursing staff coverage models would affect residents’ outcomes based on the research evidence gathered in the SR. RWE analysis helped to fill a gap in the available published literature and allowed policy makers to better understand the impact of revising current regulations based on actual outcomes.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,112 | 0,236 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,007 | 0,019 |
| Bibliométrie | 0,029 | 0,022 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,008 | 0,004 |
| Science ouverte | 0,003 | 0,005 |
| Intégrité de la recherche | 0,003 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,001 |
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 source (Gemma direct ou Codex distillé), 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 ».