Staffing levels and expenses in Canadian long-term care facilities by ownership status before and during the COVID-19 pandemic
Notice bibliographique
Résumé
Background: Low staffing levels and high turnover rates are longstanding issues in long-term care (LTC) facilities that were further exacerbated by the COVID-19 pandemic. Consequently, residents and staff were disproportionately affected, with high morbidity and mortality rates. This study examines changes in staffing levels, overall and by direct care worker category, across the LTC facilities sector by ownership status in Canada before and during the pandemic. It also explores differences in facility expenditures allocated towards employee wages, benefits, and subcontracts across homes by ownership status. Data and methods: Data were from the 2020 and 2021 Nursing and Residential Care Facility Survey, which collected information on facility characteristics, including expenses, revenue, ownership status, and staffing levels. Summary statistics and multivariate linear regression models were used to examine the association between staffing levels and ownership status, with analyses stratified by direct care worker category. Results: On average, public LTC facilities had higher staffing levels and spent a greater proportion of their total costs on employee wages and benefits before and during the pandemic, compared with for-profit and non-profit private facilities. While the total hours of care per resident day (HPRD) increased during the pandemic, there were notable variations by region, ownership status, and direct care worker category. For example, Ontario public nursing homes provided 10% more HPRD from registered nurses during the pandemic, compared with the period before. Interpretation: Staffing levels of direct care workers in LTC facilities, overall and separately, are associated with ownership status. Allocation of employee-related expenses also differed by ownership. Further research is needed to explore interactions between ownership status, staffing levels, and quality of care for residents.
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 | 0,001 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 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 ».