MétaCan
Menu
Retour à la cohorte
Enregistrement W4223457885 · doi:10.1111/opn.12462

The development of the MENTOR_D nursing intervention: Supporting family involvement in delirium management

2022· article· en· W4223457885 sur OpenAlexafffund
Tanya Mailhot, Sylvie Cossette, Patrick Lavoie, Marc‐André Maheu‐Cadotte, Guillaume Fontaine, Anne Bourbonnais, José Côté

Notice bibliographique

RevueInternational Journal of Older People Nursing · 2022
Typearticle
Langueen
DomaineHealth Professions
ThématiqueFamily and Patient Care in Intensive Care Units
Établissements canadiensInstitut Universitaire de Gériatrie de MontréalCentre Hospitalier de l’Université de MontréalUniversité de MontréalMontreal Heart Institute
Organismes subventionnairesInstitut de Cardiologie de Montréal
Mots-clésIntervention (counseling)DeliriumContext (archaeology)OperationalizationNursingMedicineNursing managementPsychologyPsychiatry

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Although families are increasingly seen as allies to improve delirium management and reduce its consequences, their involvement in the postcardiac surgery setting is challenging considering patients' critical state and short hospital stay. To our knowledge, no theory-based nursing intervention exists that optimally supports the involvement of families in delirium management in the context of postcardiac surgery. OBJECTIVES: We aimed to develop MENTOR_D, a nursing intervention to support the involvement of families in delirium management. METHODS: MENTOR_D was developed based on Sidani and Braden's (2011) intervention development framework. Narrative literature reviews paired with the clinical experience of an expert committee were used to inform these three steps: (1) develop an understanding of the problem under study; (2) define the objectives of the intervention and identify a theoretical framework for highlighting strategies to be used in the intervention; and (3) operationalize the intervention and identify its anticipated outcomes. RESULTS: As a result of the three steps, the MENTOR_D nursing intervention relies on a caring-mentoring relationship between a nurse and the family. The aim of MENTOR_D is to increase the presence of the family at their relative's bedside and their involvement in delirium management. MENTOR_D's content is delivered over three phases that are organised around the visits of the family at the patient's bedside. During these phases, families used their knowledge of the patient to tailor the delirium management actions. These actions include orientation and reminiscence and were aimed at diminishing anxiety and increasing sense of self-efficacy in families and diminishing delirium severity and improving recovery in patients. CONCLUSIONS: A deep understanding of the underlying mechanisms of an intervention is key in its success to reach the targeted goals of effectiveness in practice. This understanding can be achieved through the careful development of a theory of the intervention before the operationalisation of its components and its testing. The proposed paper presents the theory of the MENTOR_D intervention, that is, its conceptualization and proposed mechanisms of action. IMPLICATIONS FOR PRACTICE: As delirium continues to be a major complication, this intervention is a promising solution to increase families' involvement in delirium management and highlights the support that nurses can offer to facilitate this involvement. With its use in future studies and practice, it can be further refined.

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)0,008
score de la tête « metaresearch » (Gemma)0,014
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,008
Score d'incertitude au seuil0,043

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0080,014
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,000
Études des sciences et des technologies0,0020,001
Communication savante0,0010,001
Science ouverte0,0020,004
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,057
Tête enseignante GPT0,404
Écart entre enseignants0,346 · 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

Citations2
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Older People NursingMême sujetFamily and Patient Care in Intensive Care UnitsTravaux en français237 207