MétaCan
Menu
Retour à la cohorte
Enregistrement W4313648266 · doi:10.1111/jnu.12869

Implementation strategies to promote compassionate nursing care of complex patients: An exploratory sequential mixed methods study

2023· article· en· W4313648266 sur OpenAlexaff
Ahtisham Younas, Caroline Porr, Joy Maddigan, Julia Moore, Pablo Navarro, Dean Whitehead

Notice bibliographique

RevueJournal of Nursing Scholarship · 2023
Typearticle
Langueen
DomainePsychology
ThématiqueMindfulness and Compassion Interventions
Établissements canadiensImperial College of TorontoNewfoundland and Labrador Centre for Applied Health ResearchMemorial University of Newfoundland
Organismes subventionnairesScience for Equity, Empowerment and Development Division
Mots-clésNursingCompassionHealth carePsychologyMedicine

Résumé

récupéré en direct d'OpenAlex

INTRODUCTION: Individuals with multiple physical and, or, mental health issues and, or, drug-related problems are known as complex patients. These patients are often recipients of poor-quality care. Compassionate nursing care is valuable to promote better care experiences among this patient population. Implementation strategies should be designed to enhance compassionate nursing care delivery. The study aimed to gain understanding of barriers to compassionate care delivery to propose implementation to promote compassionate nursing care of complex patients. DESIGN: An exploratory sequential mixed methods study was conducted. METHODS: Phase 1 was the qualitative component during which 23 individuals with multimorbidities were interviewed for exploring their perceptions of barriers to compassionate nursing care. The barriers were integrated with implementation science frameworks using the building technique during phase 2 to develop a Q-sort survey of implementation strategies for phase 3. Nurses, nurse managers, health care administrators, policymakers, and compassionate care experts responded to the survey by ranking the 21 implementation strategies, out of which five met the Q-factor analysis criteria. RESULTS: Participant-perceived barriers to nurse compassion could be categorized under knowledge, intentions, skills, social influences, behavioral regulation, reinforcement, emotion, and environmental context and resources. The five highest-ranked strategies included facilitation, consultation with stress experts, involvement of patients and families, modeling compassion through shadowing, and utilizing implementation teams. CONCLUSIONS: Enablement and modeling were the integration functions represented by the highest-ranked implementation strategies. Enabling nurses to provide compassionate care through emotional support and mental health counseling, and, modeling compassion and compassionate care through shadowing were recommended and rated as highly relevant by the majority of stakeholders. CLINICAL RELEVANCE: Enhancing nurses compassionate behaviors toward complex patients requires facilitating them in enacting compassion in practice through modeling and support from organizations and nurse managers.

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)0,002
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Autre devis · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,876
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

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

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 Opus0,202
Tête enseignante GPT0,531
Écart entre enseignants0,329 · 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'étudeAutre devis
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

Citations11
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Nursing ScholarshipMême sujetMindfulness and Compassion InterventionsTravaux en français237 207