(Re) evaluating Critical Care Nurse Support Program(s) in a Tertiary Care Hospital: Intersecting the Art and Science of Nursing
Notice bibliographique
Résumé
There is a growing critical care nurse staffing shortage with increases in nurse vacancy rates. Moral distress has been exacerbated by the SARS-CoV-2 (COVID-19) pandemic and, in particular, impacting critical care nurses. COVID-19 is a significant contributor to staffing shortages and continued nursing crisis. Thus, the impetus for the Problem of Practice (PoP): the lack of support to address the psychological, emotional, and spiritual distress suffered by critical care registered nurses in a tertiary care hospital in Central Ontario. To comprehend the realities of working in the intensive care units, leaders must first understand nurses’ lived experiences, narratives, and what it means to work on the frontline in an intensive care unit. The Organizational Improvement Plan (OIP) is underpinned by interpretive phenomenology and authentic and transformational leadership approaches. Lewin’s three-stage force field model of change theory is utilized for leading change and Burke and Litwin’s performance change model for the organizational analysis. The overall goal of the OIP is to implement a change plan that brings leaders and critical care registered nurses together to co-create support program(s) to address critical care nurses’ psychological, emotional, and spiritual distress, decrease nurse attrition, and enhance critical care nurses’ well-being.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| 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 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 ».