MétaCan
Menu
Retour à la cohorte
Enregistrement W3080561381 · doi:10.1097/mlr.0000000000001397

Associations of 4 Nurse Staffing Practices With Hospital Mortality

2020· article· en· W3080561381 sur OpenAlexafffundabout
Christian M. Rochefort, Marie‐Eve Beauchamp, Li‐Anne Audet, Michał Abrahamowicz, Patricia Bourgault

Notice bibliographique

RevueMedical Care · 2020
Typearticle
Langueen
DomaineNursing
ThématiqueNursing education and management
Établissements canadiensMcGill UniversityMcGill University Health CentreUniversité de Sherbrooke
Organismes subventionnairesCanadian Institutes of Health Research
Mots-clésStaffingMedicineHazard ratioConfidence intervalSkill mixProportional hazards modelEmergency medicineIntensive care unitHealth careNursingIntensive care medicineInternal medicine

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Cross-sectional studies of hospital-level administrative data have suggested that 4 nurse staffing practices-using adequate staffing levels, higher proportions of registered nurses (RNs) (skill mix), and more educated and experienced RNs-are each associated with reduced hospital mortality. To increase the validity of this evidence, patient-level longitudinal studies assessing the simultaneous associations of these staffing practices with mortality are required. METHODS: A dynamic cohort of 146,349 adult medical, surgical, and intensive care patients admitted to a Canadian University Health Center was followed for 7 years (2010-2017). We used a multivariable Cox proportional hazards model to estimate the associations between patients' time-varying cumulative exposure to measures of RN understaffing, skill mix, education, and experience, each relative to nursing unit and shift means, and the hazard of in-hospital mortality, while adjusting for patient and nursing unit characteristics, and modeling the current nursing unit of hospitalization as a random effect. RESULTS: Overall, 4854 in-hospital deaths occurred during 3,478,603 patient-shifts of follow-up (13.95 deaths/10,000 patient-shifts). In multivariable analyses, every 5% increase in the cumulative proportion of understaffed shifts was associated with a 1.0% increase in mortality (hazard ratio: 1.010; 95% confidence interval: 1.002-1.017; P=0.009). Moreover, every 5% increase in the cumulative proportion of worked hours by baccalaureate-prepared RNs was associated with a 2.0% reduction of mortality (hazard ratio: 0.980; 95% confidence interval: 0.965-0.995, P=0.008). RN experience and skill mix were not significantly associated with mortality. CONCLUSION: Reducing the frequency of understaffed shifts and increasing the proportion of baccalaureate-prepared RNs are associated with reduced hospital mortality.

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)0,001
score de la tête « metaresearch » (Gemma)0,005
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,067
Score d'incertitude au seuil0,133

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,005
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,036
Tête enseignante GPT0,363
Écart entre enseignants0,327 · 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'étudeObservationnel
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

Citations28
Publié2020
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueMedical CareMême sujetNursing education and managementTravaux en français237 207