Implementing an Online Instrument to Measure Nurse Practitioner Workload: A Feasibility Study
Notice bibliographique
Résumé
Introduction/Objectives: Nurse practitioners (NPs) improve access to care in community-based primary care. Determining an appropriate workload for NPs is complex. The number of patients seen by NPs represents an important consideration. We sought to determine the feasibility, acceptability and appropriateness of implementing the online NP workload measurement index (NP-WI). Methods: Feasibility study supported by the Theoretical Framework of Acceptability, conducted across 3 health regions in Québec, Canada. Data were collected from January to July 2024 using the online NP-WI ( n = 66), 8-item acceptability questionnaire ( n = 47), weekly implementation team meetings with NPs and decision-makers ( n = 11), field notes and interviews ( n = 13). Data analysis completed using descriptive statistics and content analysis, with data integration using joint displays. Results: NPs indicated that the NP-WI was easy to use. Acceptability scores were positively rated. Daily data entry took 5 to 7 min to complete. NPs deemed a 4-week collection period sufficient to capture a representative workload sample. The NP-WI captured patient, provider and organizational characteristics and the number of patients seen by NPs. Conclusions: NP-WI implementation was feasible. The instrument can support healthcare workforce planning with more adequate estimations of NP workload in community-based primary care, and provide greater equity in resource allocation and distribution of NP workload.
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 | 0,012 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,004 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,004 |
| 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 ».