Contextually appropriate nurse staffing models: A realist review protocol
Notice bibliographique
Résumé
Introduction Decisions about nurse staffing models are a concern for health systems globally due to workforce retention and well-being challenges. Nurse staffing models range from all Registered Nurse workforce to a mix of differentially educated nurses and aides (regulated and unregulated), such as Licensed Practical or Vocational Nurses and Health Care Aides. Systematic reviews have examined relationships between specific nurse staffing models and client, staff and health system outcomes (eg, mortality, adverse events, retention, healthcare costs), with inconclusive or contradictory results. No evidence has been synthesised and consolidated on how, why and under what contexts certain staffing models produce different outcomes. We aim to describe how we will (1) conduct a realist review to determine how nurse staffing models produce different client, staff and health system outcomes, in which contexts and through what mechanisms and (2) coproduce recommendations with decision-makers to guide future research and implementation of nurse staffing models. Methods and analysis Using an integrated knowledge translation approach with researchers and decision-makers as partners, we are conducting a three-phase realist review. In this protocol, we report on the final two phases of this realist review. We will use Citation tracking, tracing Lead authors, identifying Unpublished materials, Google Scholar searching, Theory tracking, ancestry searching for Early examples, and follow-up of Related projects (CLUSTER) searching, specifically designed for realist searches as the review progresses. We will search empirical evidence to test identified programme theories and engage stakeholders to contextualise findings, finalise programme theories document our search processes as per established realist review methods. Ethics and dissemination Ethical approval for this study was provided by the Health Research Ethics Board of the University of Alberta (Study ID Pro00100425). We will disseminate the findings through peer-reviewed publications, national and international conference presentations, regional briefing sessions, webinars and lay summary.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».