Increasing Parent Satisfaction With Discharge Planning
Notice bibliographique
Résumé
BACKGROUND: Neonatal intensive care unit (NICU) families are often overwhelmed by the discharge process. Their anxiety can inhibit learning and contribute to poor infant outcomes and increased healthcare utilization after discharge. Quality of the discharge teaching is the strongest predictor of discharge readiness, so NICUs must develop excellent discharge preparation programs. PURPOSE: This improvement project enhances NICU discharge preparedness by providing consistent, early discharge teaching using technology as a supplemental resource and raises parental satisfaction with the process. METHODS: Neonatal intensive care unit staff and former NICU parents developed a task force to create technology-based discharge education content. The content was originally uploaded to an e-book and later transferred to the electronic health record inpatient portal. Families were able to view discharge teaching content at their own convenience and pace and review topics as needed with the NICU staff. Postdischarge follow-up phone calls provided insight into parental reaction to the new education format. RESULTS: Parent satisfaction top-box scores, reflecting the highest rating in the "Prepared for Discharge" category of the patient satisfaction survey, improved from a baseline of 47% in 2017 to 70% in 2019. Overwhelmingly, 92% of families highly rated the tablet-based discharge teaching during postdischarge phone calls. IMPLICATIONS FOR PRACTICE: A comprehensive, consistent, and early discharge program using technology can lead to more effective and efficient NICU discharge education and improved parent satisfaction. IMPLICATIONS FOR RESEARCH: Further studies are needed to generalize hospital-based inpatient portal teaching as an additional resource for parental education in the NICU.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».