MétaCan
Menu
Retour à la cohorte
Enregistrement W4385290298 · doi:10.12968/bjon.2023.32.14.s36

Understanding nursing perceptions of intravenous fluid management practices

2023· article· en· W4385290298 sur OpenAlexaffabout
Sarah Crowe

Notice bibliographique

RevueBritish Journal of Nursing · 2023
Typearticle
Langueen
DomaineMedicine
ThématiqueHemodynamic Monitoring and Therapy
Établissements canadiensSurrey Memorial HospitalFraser Health
Organismes subventionnairesnon disponible
Mots-clésMedicineNursingPromotion (chess)Nursing managementMEDLINEIntravenous fluidSurgery

Résumé

récupéré en direct d'OpenAlex

PURPOSE: Intravenous (IV) fluids are routinely used in hospitalized patients. As IV fluids are an everyday occurrence, their importance is often overlooked. Many patients receive large volumes of fluid during resuscitation to aid in the promotion of tissue perfusion. Nurses regularly administer IV fluids as part of maintenance infusions or as life-saving therapies and, therefore, need to understand these fluids' impact on their patients. Understanding nurses' existing perceptions of IV fluid management practices are crucial to improving practice. METHODS: This study used an online survey to gather information on nursing perceptions of IV fluids. Four hundred and sixty-two Canadian nurses from diverse backgrounds were surveyed, including registered nurses, licensed practical nurses and student nurses. RESULTS: The study found that the majority of participants agreed that IV fluids, including type, amount, and rationale for infusion, were important. They also agreed that fluids could impact patient outcomes. However, the study found that, despite recognizing the value and importance of fluid management, many nurses struggled with recognizing how to determine a patient's fluid status versus fluid responsiveness. CONCLUSION: This study supports improving nursing education to understand better the differences between fluid volume status and volume responsiveness. Our study also provides evidence that nurses need access to more sophisticated tools to conduct dynamic assessments and better meet patients' needs.

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)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
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 enseignants0,963
Score d'incertitude au seuil0,354

Scores Codex et Gemma par catégorie

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

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 Opus0,130
Tête enseignante GPT0,385
Écart entre enseignants0,255 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
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

Citations4
Publié2023
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueBritish Journal of NursingMême sujetHemodynamic Monitoring and TherapyTravaux en français237 207