Interprofessional teams with and without nurse practitioners and the level of adherence to best practice guidelines in cardiac surgery: A retrospective study
Notice bibliographique
Résumé
AIM: To examine the level of adherence to best-practice guidelines of interprofessional teams with acute care nurse practitioners (ACNPs) compared to interprofessional teams without ACNPs. DESIGN: A retrospective observational study was conducted in 2023. METHOD: A retrospective cohort was created including 280 patients who underwent a coronary artery bypass graft and/or a valve repair and hospitalised in a cardiac surgery unit of a university affiliated hospital in Québec (Canada) between 1 January 2019 to 31 January 2020. The level of adherence to best-practice guidelines was measured from a composite score in percentage. The composite score was created from a newly developed tool including 99 items across six categories (patient information, pharmacotherapy, laboratory tests, post-operative assessment, patient and interprofessional teams' characteristics). Multivariate linear and logistic regression models were computed to examine the effect of interprofessional teams with ACNPs on the level of adherence to best-practice guidelines. RESULTS: Most of the patients of the cohort were male and underwent a coronary artery bypass graft procedure. Patients under the care of interprofessional teams with ACNP were 1.72 times more likely to reach a level of adherence higher than 80% compared to interprofessional teams without ACNPs and were 2.29 times more likely to be within the highest quartile of the scores for the level of adherence to best-practice guidelines of the cohort. IMPACT: This study provides empirical data supporting the benefits of ACNP practice for patients, interprofessional teams and healthcare organisations. RELEVANCE FOR PRACTICE: Our findings identify the important contributions of interprofessional teams that include ACNPs using a validated instrument, as well as their contribution to the delivery of high quality patient care. REPORTING METHOD: This study followed the Strengthening the Reporting of Observational Studies in Epidemiology (STROBE) Statement: Guidelines for reporting observational studies guidelines. PATIENT OR PUBLIC CONTRIBUTION: No patient or public contribution.
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 | 0,015 | 0,016 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 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; 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 ».