Developing effective strategies to strengthen collaborative practice between registered nurses and registered practical nurses through action research
Notice bibliographique
Résumé
Collaborative practice in health care is essential as it strengthens the relationship among teams and enhances an integrative work platform. Registered Nurses (RNs) and Registered Practical Nurses (RPNs) work together across different care settings in a supportive role that enhances patient outcomes, job satisfaction, and retention. Nursing stands as the largest healthcare profession in the nation, boasting nearly 4.2 million nurse's nationwide (Statistics Canada, 2022). In Canada, nurses constitute the largest segment of regulated health professionals, comprising approximately half of the total health workforce. However, globally, there has been a shortage of nurses attributed to burnout, physical injuries, and job dissatisfaction (Statistics Canada, 2022). To address the nursing shortage, several healthcare services have adopted the nursing skilled-mix model, facilitating collaboration between RNs and RPNs. At NHU, over the last six years, this practice model has been utilized to adequately staff nurses on Specialized Acute Care (SAC) units. Nonetheless, no formal study has been conducted to explore the experience of RNs and RPNs regarding collaborative practice. Qualitative action research was conducted to comprehend challenges and pinpoint effective strategies for strengthening collaborative practice among RNs and RPNs. Cycle 1 findings from participating RNs and RPNs revealed the necessity for broader discussions involving nursing leadership staff in Cycle 2. There were clear indications of knowledge gaps regarding scope of practice, disparities in assignments and professional development opportunities for RPNs resulted in ethical dilemmas, power imbalance between RNs, and RPNs regarding autonomy and the need for organizational leadership to take accountability to devise effective collaborative strategies were some of the major barriers to collaborative practice.--Author's abstract
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 | 0,188 | 0,145 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,003 |
| Bibliométrie | 0,005 | 0,003 |
| Études des sciences et des technologies | 0,010 | 0,013 |
| Communication savante | 0,017 | 0,018 |
| Science ouverte | 0,008 | 0,025 |
| Intégrité de la recherche | 0,009 | 0,010 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 0,002 |
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 ».