Nurse Practitioners and COVID-19: Early Challenges and Future Strategies
Notice bibliographique
Résumé
Aim: To discuss the challenges experienced by nurse practitioners (NPs) caring for individuals with chronic diseases during the early years of COVID-19 pandemic in Newfoundland and Labrador (NL) and to recommend potential strategies that can be utilized in the current practice environment and when planning for future pandemics. Background: Chronic diseases may not have been adequately managed during the early years of the COVID-19 pandemic, even with the increased use of virtual care services. Most literature has focused on identifying the challenges faced by healthcare providers, rather than options for strategies to improve collaboration with individuals and enhance team management of chronic conditions. Methods: In this sequential exploratory mixed methods study, 14 NPs were interviewed in the qualitative phase to identify challenges. Results informed the development of a contextually- relevant survey questionnaire (first integration step). In the quantitative phase, 32 NPs completed the questionnaire. Data collected during the quantitative survey were compared with the qualitative data, the second integration step, to assess how widespread challenges were and to gain further insights for potential strategies to implement in the current practice environment. Findings: In addition to identifying stress and changes to the NP practice environment, key themes related to chronic disease management were identified by the interviewed NPs (qualitative phase) and supported by the surveyed NPs (quantitative phase). These related to reduced access to care (e.g. due to closures or lack of cell service), difficulty diagnosing and managing patients even with virtual care availability (e.g. due to inability to conduct a physical assessments), and inadequacies in patient self-management of their chronic diseases. The NPs agreed with the recommended strategies, at the individual, team, and organizational levels, to address the identified challenges. Conclusion: Numerous strategies, relevant to the identified challenges and the local practice context, are recommended to be used by NPs and other HCPs in caring for individuals with chronic diseases, in the current practice environment and when planning for future pandemics.
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 | 0,003 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,007 | 0,001 |
| Communication savante | 0,001 | 0,005 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».