Interventions to prevent or reduce rationing or missed nursing care: A scoping review
Notice bibliographique
Résumé
AIMS: To collate and synthesize published research on interventions developed and tested to prevent or reduce the rates of rationed or missed nursing care in healthcare institutions. BACKGROUND: Rationed and missed nursing care has been widely studied, including its predictors and associations with patient and nurse outcomes. DESIGN: Scoping review. DATA SOURCES: We searched for eligible studies, published between 1980-2019, in six electronic databases. REVIEW METHODS: Researchers independently screened the abstracts of the retrieved studies using the inclusion and exclusion criteria. The decision of whether or not to include any given study was consensus-based. RESULTS: The search yielded 1,815 records, of which 13 were included. Three studies reported structural interventions, namely increased nurse staffing and improved nursing teamwork, both resulted in significant reductions in the rates of rationed or missed nursing care. The remaining 10 studies reported on process interventions: four concerned reminders (via technology or designated persons) and seven described interventions to change or optimize the relevant care processes. All 10 process interventions contributed to significant reductions in the rates of missed nursing care. CONCLUSIONS: The results of the scoping review indicate that specific interventions can positively influence the performance of a selected nursing care activity, for example fall prevention. There is no evidence of a global reduction of rationed and missed nursing care through these interventions. IMPACT: Clinicians, managers and researchers can use the results for adapting and implementing interventions to reduce rationed and missed nursing care.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».