Missed nursing care in acute care hospital settings in low-income and middle-income countries: a systematic review
Notice bibliographique
Résumé
BACKGROUND: Missed nursing care undermines nursing standards of care and minimising this phenomenon is crucial to maintaining adequate patient safety and the quality of patient care. The concept is a neglected aspect of human resource for health thinking, and it remains understudied in low-income and middle-income country (LMIC) settings which have 90% of the global nursing workforce shortages. Our objective in this review was to document the prevalence of missed nursing care in LMIC, identify the categories of nursing care that are most missed and summarise the reasons for this. METHODS: We conducted a systematic review searching Medline, Embase, Global Health, WHO Global index medicus and CINAHL from their inception up until August 2021. Publications were included if they were conducted in an LMIC and reported on any combination of categories, reasons and factors associated with missed nursing care within in-patient settings. We assessed the quality of studies using the Newcastle Ottawa Scale. RESULTS: Thirty-one studies met our inclusion criteria. These studies were mainly cross-sectional, from upper middle-income settings and mostly relied on nurses' self-report of missed nursing care. The measurement tools used, and their reporting were inconsistent across the literature. Nursing care most frequently missed were non-clinical nursing activities including those of comfort and communication. Inadequate personnel numbers were the most important reasons given for missed care. CONCLUSIONS: Missed nursing care is reported for all key nursing task areas threatening care quality and safety. Data suggest nurses prioritise technical activities with more non-clinical activities missed, this undermines holistic nursing care. Improving staffing levels seems a key intervention potentially including sharing of less skilled activities. More research on missed nursing care and interventions to tackle it to improve quality and safety is needed in LMIC. PROSPERO registration number: CRD42021286897.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,009 | 0,049 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,007 | 0,006 |
| Bibliométrie | 0,013 | 0,014 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,003 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 source (Gemma direct ou Codex distillé), 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 ».