Planification de l’implantation du journal de bord comme stratégie d’humanisation aux soins intensifs adultes
Notice bibliographique
Résumé
Introduction : L’hospitalisation en unité de soins intensifs (USI) peut entraîner des séquelles physiques, psychologiques, cognitives et sociales significatives pour les personnes recevant des soins de santé (PRSS). Bien que le journal de bord soit reconnu pour son impact positif sur les résultats en matière de santé, son utilisation adaptée aux USI québécoises, au Canada, reste rare, soulignant le besoin d’un cadre méthodologique pour guider la planification de son implantation. Objectif : Décrire les étapes d’un projet de planification de l’implantation du journal de bord dans une USI adulte d’un hôpital quaternaire de la ville de Québec, dans une perspective d’approche centrée sur la personne comme stratégie d’humanisation des soins. Démarche : La planification de l’implantation du journal de bord s’est appuyée sur 13 des 14 étapes du Quality Implementation Framework (QIF). L’intervention concerne des PRSS de ≥ 18 ans ayant séjourné ≥ 48 heures à l’USI et ayant présenté un délirium ou une intubation prolongée de plus de 24 heures. Évaluation : La planification de l’implantation a couvert les domaines suivants du QIF : évaluation et préparation initiales; engagement et soutien des parties prenantes; recrutement et formation; planification de la mise en œuvre; suivi et évaluation. Discussion et conclusion : Ce projet a montré l’importance de l’engagement du personnel soignant, de l’analyse du contexte et de la flexibilité des parties prenantes. Il constitue un exemple d’application permettant d’intégrer une intervention fondée sur des données probantes tout en générant des apprentissages contextuels pendant sa mise en œuvre, contribuant ainsi à réduire l’écart entre les connaissances théoriques et leur application.
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 | 0,025 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,005 | 0,001 |
| Communication savante | 0,000 | 0,003 |
| 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 ».