MétaCan
Menu
Retour à la cohorte
Enregistrement W4396674605 · doi:10.1136/bmjopen-2023-082883

Contextually appropriate nurse staffing models: a realist review protocol

2024· review· en· W4396674605 sur OpenAlexafffundabout
Kaitlyn Tate, Tatiana Penconek, Andrew Booth, Gill Harvey, Rachel Flynn, Pieterbas Lalleman, Inge Wolbers, Matthias Hoben, Carole A. Estabrooks, Greta G. Cummings

Notice bibliographique

RevueBMJ Open · 2024
Typereview
Langueen
DomaineNursing
ThématiqueNursing education and management
Établissements canadiensYork UniversityUniversity of Alberta
Organismes subventionnairesCanadian Institutes of Health ResearchWhite Rose College of the Arts and HumanitiesUniversity of Alberta
Mots-clésStaffingWorkforceNursingMedicineSkill mixHealth careWorkforce planningProtocol (science)Patient safetyAlternative medicine

Résumé

récupéré en direct d'OpenAlex

Introduction Decisions about nurse staffing models are a concern for health systems globally due to workforce retention and well-being challenges. Nurse staffing models range from all Registered Nurse workforce to a mix of differentially educated nurses and aides (regulated and unregulated), such as Licensed Practical or Vocational Nurses and Health Care Aides. Systematic reviews have examined relationships between specific nurse staffing models and client, staff and health system outcomes (eg, mortality, adverse events, retention, healthcare costs), with inconclusive or contradictory results. No evidence has been synthesised and consolidated on how, why and under what contexts certain staffing models produce different outcomes. We aim to describe how we will (1) conduct a realist review to determine how nurse staffing models produce different client, staff and health system outcomes, in which contexts and through what mechanisms and (2) coproduce recommendations with decision-makers to guide future research and implementation of nurse staffing models. Methods and analysis Using an integrated knowledge translation approach with researchers and decision-makers as partners, we are conducting a three-phase realist review. In this protocol, we report on the final two phases of this realist review. We will use C itation tracking, tracing L ead authors, identifying U npublished materials, Google S cholar searching, T heory tracking, ancestry searching for E arly examples, and follow-up of R elated projects (CLUSTER) searching, specifically designed for realist searches as the review progresses. We will search empirical evidence to test identified programme theories and engage stakeholders to contextualise findings, finalise programme theories document our search processes as per established realist review methods. Ethics and dissemination Ethical approval for this study was provided by the Health Research Ethics Board of the University of Alberta (Study ID Pro00100425). We will disseminate the findings through peer-reviewed publications, national and international conference presentations, regional briefing sessions, webinars and lay summary.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,228
score de la tête « metaresearch » (Gemma)0,291
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Protocole · Signal consensuel: Protocole
Score de désaccord entre enseignants0,228
Score d'incertitude au seuil0,952

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,2280,291
Méta-épidémiologie (sens strict)0,0070,008
Méta-épidémiologie (sens large)0,0190,014
Bibliométrie0,0240,022
Études des sciences et des technologies0,0060,008
Communication savante0,0130,011
Science ouverte0,0070,007
Intégrité de la recherche0,0110,011
Charge utile insuffisante (le modèle a refusé de juger)0,0730,019

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 Opus0,253
Tête enseignante GPT0,527
Écart entre enseignants0,274 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Devis d'étudeSans objet
Domainenon disponible
GenreProtocole

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations2
Publié2024
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueBMJ OpenMême sujetNursing education and managementTravaux en français237 207