Facilitators and Barriers to Nurses Screening for Frailty in Acute Care in a Provincial Health-Care System: a Survey Study Guided by the Theoretical Domains Framework
Notice bibliographique
Résumé
Background: Older adults living with frailty represent the largest population of hospitalized patients in Canada, but they do not always receive the quality of care needed. Nurses are well-positioned to screen for frailty, but current frailty screening practices are poorly understood. Methods: A cross-sectional survey study was conducted over a six-week period with nurses from Alberta, Canada working in acute care with older adults. Demographics were descriptively reported. Frailty screening methods were quantified on 5-point frequency scales, reported descriptively and compared by practice area using linear regression. The top-five mean scores from a 43-item, 6-point Likert-type questionnaire based on the Theoretical Domains Framework were compared by practice area. Results: > .05) differences for using clinical impression, or preference of screening method. The top facilitator was the disbelief that frailty screening negatively impacts relationships with older adults. The top barrier was belief that conducting frailty screening was routine. Nursing practice area influenced frailty screening beliefs. Conclusions: There is an opportunity to implement frailty screening tools into the nursing practice of Alberta' nurses working in acute care. Frailty screening tools that become routine have greater likelihood for utilization. Nursing practice areas may have unique situations that require tailored approached to tool implementation.
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 | 0,002 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».