Exploring acute care nurses’ decision‐making in psychotropic PRN use in hospitalised people with dementia
Notice bibliographique
Résumé
AIMS AND OBJECTIVES: To understand how acute care nurses make decisions about administering "as-needed" (PRN) psychotropic medications to hospitalised people with dementia (PWD). BACKGROUND: Behavioural and psychological symptoms of dementia occur in approximately 75% of PWD admitted to acute care. Despite this, few studies provide insight into the use and prevalence of psychotropic use in acute care. DESIGN: A qualitative descriptive design was used to explore acute care nurses' decision-making about PRN psychotropic medication administration to PWD. METHODS: Semi-structured interviews were conducted with eight nurses from three acute care medical units in a large tertiary hospital in Western Canada. Conventional content analysis was used to develop three themes that reflect nurses' decision-making related to administering PRNs to hospitalised PWD. COREQ guidelines were followed. RESULTS: Three themes of legitimising control, making the patient fit and future telling were developed. Legitimising control involved medicating undesirable behaviours to promote the nurses' perceptions of safety. Making the patient fit involved maintaining routine and order. Future telling involved pre-emptively medicating to prevent undesirable behaviours from escalating. Nurses provided little to no mention of assessing for physical causes contributing to behaviours. PRNs were seen as a reasonable alternative to physical restraints and were frequently used. Additionally, organisational and unit routines greatly influenced nurses' decision-making. CONCLUSIONS: These findings provide an initial understanding of how nurses make decisions to administer PRN medications to hospitalised older people and may inform prescribing practices. There were novel findings about the lack of assessment prior to PRN administration, and the nurses' collective response in decision-making. More research is needed to better understand the complexities of nurses' decision-making, to assist in the development of interventions for nursing practice.
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 | 0,011 | 0,023 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,004 | 0,006 |
| Communication savante | 0,004 | 0,003 |
| Science ouverte | 0,002 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 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 ».