Cross-Cultural Adaptation and Validation of a Surgical Neonatal Nursing Workload Tool to the Italian Context: The Italian Winnipeg Surgical Complex Assessment of Neonatal Nursing Needs Tool
Notice bibliographique
Résumé
Complexity of care, adequate staffing levels, and workflow are key factors affecting nurses’ workloads. Clinical complexity classification and related staffing adjustment remain notable gaps in the current evidence limiting the capacity for optimal staffing practices. This study aimed to adapt and validate the WANNNT-SC to the Italian context to allow the assessment of newborns admitted to the NICUs. To evaluate the reliability of the tool among different profes-sionals, a correlation test was performed using Pearson’s correlation, which resulted in a strong correlation (r = 0.967, p = 0.01). In the test-retest phase, there was a significant correlation (r = 0.910 and p = 0.01). Using an analysis of variance, we found that the higher the I-WANNNT-SC score, the higher the predicted death rate (F = 13.05 and p < 0.001). The Italian Winnipeg Surgical Complex Assessment of Neonatal Nursing Needs Tool represents the first tool available for the Italian context that aims to measure the nursing workload in neonatal intensive care. It could allow adjustments in nursing staffing based on NICU activities and patient needs. This study was prospectively approved by the local Ethics Committee “Palermo 1” (Protocol CI-NICU-00).
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,016 | 0,024 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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 source (Gemma direct ou Codex distillé), 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 ».