Safety Practices in Long Term Care Facilities: A Review of the Literature
Notice bibliographique
Résumé
Title: Safety Practices in Long Term Care Facilities: A Review of the Literature Background: Canada’s aging population and the shortage of long-term care (LTC) facilities is creating a growing concern for older adults and their families. This is placing additional stress and demand on the already resource-constrained healthcare system, including shortages of care staff/support workers. The shortage of care staff in LTC facilities has grave impact on the safety and quality of care that residents receive. Common safety concerns in LTC facilities include risks for falls, medication errors, nosocomial infections, and pressure ulcers. Purpose: The purpose of this literature review is to explore studies that have been conducted on the relationship between safety practices and resident outcomes in LTC facilities in North America. Method: A literature search was conducted using databases such as CINAHL, ProQuest, PubMeb, Scholars Portal, and Google Scholar. Search terms included “patient safety” or “staff shortages” and “long term care” or “nursing homes”. Inclusion criteria included North American literature written in English and published in 2008-2018. Using the search terms listed, the databases yielded 32 results. After reviewing the articles, 15 met the inclusion criteria and were selected for the purposes of this literature review. The literature identified that care provider staffing is associated with quality of care in LTC facilities. The literature also suggested the following safety practices; increased staffing, education and training for care providers, improved communication, maintaining independence in residents, and teamwork strategies. Summary: LTC facilities are charged with ensuring the safety of their residents in their facilities, and therefore, every effort must be made to address safety issues in order to improve the quality of care and quality of life of residents. Key terms: patient safety, patient outcomes, long-term care facilities, care staff, personal support workers, staff shortages
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 | 0,005 | 0,019 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,003 |
| Bibliométrie | 0,015 | 0,020 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,004 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».