NURSE PRACTITIONER–LED IMPLEMENTATION OF HUDDLES TO SUPPORT STAFF IN LONG-TERM CARE HOMES
Notice bibliographique
Résumé
Abstract Staff working in long-term care (LTC) homes frequently report experiencing moral distress related to lack of autonomy and not being able to provide quality care. Huddles have been used as a communication tool for many years in acute care settings to improve collaboration and safety culture. In LTC homes, huddles are implemented less often, despite evidence of their benefits in improving support and teamwork. In this pre-test post-test implementation study, huddles led by a nurse practitioner (NP) were introduced in a privately-owned not-for-profit LTC home with < 150 beds, located in a medium urban centre in Ontario, Canada. Objectives of the study were to 1) examine fidelity of huddle implementation; 2) examine the extent to which the huddles improved staff’ outcomes of moral distress, job satisfaction, and support provided by the NP estimated with Bayesian proportional odds model. A total of 48 huddles were carried out by the NP over 15 weeks. Huddles were most commonly attended by personal support workers (98%) and registered practical nurses (96%), with an average of 7 individuals per huddle. Topics most often addressed at huddles were related to resident care (46%) and staff concerns (34%). Strong statistical evidence of a reduction in overall moral distress was evident for staff attending the huddles, when compared to staff who did not (posterior probability =.9933). No changes in job satisfaction and support provided by the NP were observed. Introducing huddles in LTC homes may be effective at reducing moral distress experienced by staff.
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 | 0,001 | 0,001 |
| 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 ».