MétaCan
Menu
Retour à la cohorte
Enregistrement W4226034398 · doi:10.1186/s12913-022-07662-7

Effectiveness of registered nurses on system outcomes in primary care: a systematic review

2022· review· en· W4226034398 sur OpenAlexaff
Julia Lukewich, Shabnam Asghari, Emily Gard Marshall, Maria Mathews, Michelle Swab, Joan Tranmer, Denise Bryant‐Lukosius, Ruth Martin‐Misener, Allison A. Norful, Dana Ryan, Marie-Ève Poitras

Notice bibliographique

RevueBMC Health Services Research · 2022
Typereview
Langueen
DomaineHealth Professions
ThématiqueNursing Roles and Practices
Établissements canadiensUniversité de SherbrookeQueen's UniversityMcMaster UniversityWestern UniversityDalhousie UniversityMemorial University of Newfoundland
Organismes subventionnairesnon disponible
Mots-clésCINAHLMedicinePsycINFOMEDLINEPsychological interventionNursing researchHealth informaticsContext (archaeology)Health administrationHealth careSystematic reviewNursingWorkloadFamily medicineHealth services researchPublic health

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Internationally, policy-makers and health administrators are seeking evidence to inform further integration and optimal utilization of registered nurses (RNs) within primary care teams. Although existing literature provides some information regarding RN contributions, further evidence on the impact of RNs towards quality and cost of care is necessary to demonstrate the contribution of this role on health system outcomes. In this study we synthesize international evidence on the effectiveness of RNs on care delivery and system-level outcomes in primary care. METHODS: A systematic review was conducted in accordance with Joanna Briggs Institute methodology. Searches were conducted in CINAHL, MEDLINE Complete, PsycINFO, and Embase for published literature and ProQuest Dissertations and Theses and MedNar for unpublished literature between 2019 and 2022 using relevant subject headings and keywords. Additional literature was identified through Google Scholar, websites, and reference lists of included articles. Studies were included if they measured effectiveness of a RN-led intervention (i.e., any care/activity performed by a primary care RN within the context of an independent or interdependent role) and reported outcomes of these interventions. Included studies were published in English; no date or location restrictions were applied. Risk of bias was assessed using the Integrated Quality Criteria for Review of Multiple Study Designs tool. Due to the heterogeneity of included studies, a narrative synthesis was undertaken. RESULTS: Seventeen articles were eligible for inclusion, with 11 examining system outcomes (e.g., cost, workload) and 15 reporting on outcomes related to care delivery (e.g., illness management, quality of smoking cessation support). The studies suggest that RN-led care may have an impact on outcomes, specifically in relation to the provision of medication management, patient triage, chronic disease management, sexual health, routine preventative care, health promotion/education, and self-management interventions (e.g. smoking cessation support). CONCLUSIONS: The findings suggest that primary care RNs impact the delivery of quality primary care, and that RN-led care may complement and potentially enhance primary care delivered by other primary care providers. Ongoing evaluation in this area is important to further refine nursing scope of practice policy, determine the impact of RN-led care on outcomes, and inform improvements to primary care infrastructure and systems management to meet care needs. PROTOCOL REGISTRATION ID: PROSPERO: International prospective register of systematic reviews. 2018. ID= CRD42018090767 .

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,034
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche, Méta-épidémiologie (sens strict), Intégrité de la recherche
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Revue systématique · Signal consensuel: Revue systématique
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,246
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0340,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0090,001
Bibliométrie0,0010,002
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0020,001
Intégrité de la recherche0,0010,004
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,244
Tête enseignante GPT0,591
Écart entre enseignants0,348 · 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 tête enseignante, pas un consensus.

Devis d'étudeRevue systématique
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations68
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBMC Health Services ResearchMême sujetNursing Roles and PracticesTravaux en français237 207