Cross-Cultural Adaptation and Validation of a Surgical Neonatal Nursing Workload Tool for an Italian Context: The Italian Winnipeg Surgical Complex Assessment of Neonatal Nursing Needs Tool
Notice bibliographique
Résumé
Background: Complexity of care, adequate staffing levels, and workflow are key factors affecting nurses’ workloads. There remain notable gaps in the current evidence regarding clinical complexity classification and related staffing adjustment, limiting the capacity for optimal staffing practices. This study aimed to adapt and validate the Winnipeg Surgical Complex Assessment of Neonatal Nursing Needs Tool (WANNNT-SC) for an Italian context to allow the assessment of newborns admitted to NICUs. Methods: This was a validation study. Results: To evaluate the reliability of the tool among different professionals, a correlation test was performed using Pearson’s correlation, which revealed 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 was, the higher the predicted death rate (F = 13.05 and p < 0.001). Conclusions: The Italian Winnipeg Surgical Complex Assessment of Neonatal Nursing Needs Tool represents the first tool available for an 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 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 | 0,001 | 0,000 |
| 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 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».