Giving a Voice to Nurse Managers and Staff Nurses: A Two-Centres Multi-Method Research Protocol to Optimize Nurses’ Actual Scope of Practice
Notice bibliographique
Résumé
Introduction: Numerous studies have revealed that a limited time is devoted to value-added care activities that are part of nurses’ professional role (Déry et al., 2022). This has an impact on the performance of healthcare systems in terms of overall costs. The COVID-19 pandemic has put more pressure on healthcare organizations, on its nurse managers (NMs) and staff nurses. Objective: To mobilize key players in care units to propose effective and realistic strategies to facilitate the optimal deployment of nursing practice. Methods: This international research program encompasses 3 consecutive cross-sectional studies involving 2 healthcare centres: 1 in Canada and 1 in Switzerland. Study 1’s qualitative design will include focus groups with NMs. Study 2’s quantitative correlational design will survey staff nurses. Study 3 will include multiple meetings with NMs, staff nurses, clinical nurse specialists and educators (key players) to develop a logic model of intervention to propose effective and realistic strategies to facilitate the full deployment of nurses’ scope of practice. Discussion and Research Spin-offs: Study 1 will help describe the innovative management practices of NMs since the onset of the COVID-19 pandemic and identify their support and educational needs. Study 2 will explore the perceptions of staff nurses regarding the work psychological climate and work recognition, their actual scope of practice, their professional satisfaction at work and their perception of the quality of care. Study 3 will take advantage of this new data and mobilize key players in the identification of improvement strategies adapted to their own reality.
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 | 0,036 | 0,018 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,002 | 0,004 |
| Études des sciences et des technologies | 0,003 | 0,001 |
| Communication savante | 0,000 | 0,002 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,002 |
| 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».