Managing Long-Term Care Staff Workload Through a Resident-Centred Intervention: A Mixed-Method Evaluation of the Synergy Tool
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Context: Long-term care (LTC) staff have been burdened by heavy workloads, compromising their ability to deliver resident-centred care. Objectives: This study adapted the Synergy Model for LTC and evaluated the impact from usage of the Synergy tool, a resident-needs assessment tool, on LTC staff perspectives. The tool assesses eight resident acuity and dependency characteristics and can be used in real-time to identify residents’ priority care needs and inform staffing and workload distribution. Methods: A mixed-method study was conducted in two Canadian LTC homes where the impact of the implementation of the Synergy tool was assessed. Quantitative data included online staff surveys (2 time points) and administrative overtime data (18 months). Qualitative data were gathered through two focus groups per LTC home with staff and leadership (n = 3–5 participants per focus group, N = 14 total participants). Findings: Quantitative data indicated mental health improvement and short-term decline in staff overtime rates during implementation. Qualitative data themes were improved care planning and resident-centred staffing. However, increased workload was perceived with short-term tool use. Limitations: Adoption of the tool was implemented over a short duration with a minimal impact strategy in a limited number of care units within the natural LTC setting to reduce overall LTC workload impact and to more closely mimic what would be feasible in most LTC homes. The findings from this study should be interpreted with the implementation constraints in mind. Implications: Although tool use yielded positive outcomes, structural barriers must be addressed to ensure successful implementation and sustainability.
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.
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 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 découle