MétaCan
Menu
Retour à la cohorte
Enregistrement W7125405899 · doi:10.5281/zenodo.18337122

INTERACTIONS BETWEEN EMERGENCY MEDICINE AND RESPIRATORY THERAPY, PSYCHOLOGICAL AND SOCIAL STRESS, ECG MONITORING, IN NURSING CARE: A SYSTEMATIC REVIEW

2025· article· en· W7125405899 sur OpenAlexaff
MAJED AHMED K ALWAHABI, KHALID SALEH ALGHANIM, Ibrahim Abdulaziz Alfadda, HESSAH OBAID ALENAZI, TAGREED MATROUK AL OTIABI, JAWAHER SAUD AL MUTAIRI, MESHAL ALI HADADI, RAWABI HELAL ALBALAWI, ALJWHARAH ABDULLAH ALANAZI, ABDULAZIZ ABDUALWHAB ALBODERMAN, OHOOD ABDULLAH ALMUTAWA, NOUF AWAYNAN MUBAIREK ALHARBI

Notice bibliographique

RevueZenodo (CERN European Organization for Nuclear Research) · 2025
Typearticle
Langueen
DomaineMedicine
ThématiqueHealthcare Technology and Patient Monitoring
Établissements canadiensLockheed Martin (Canada)
Organismes subventionnairesnon disponible
Mots-clésWorkloadCompetence (human resources)MEDLINEProtocol (science)Emergency departmentPsychological interventionAsthmaTeamworkBurnout

Résumé

récupéré en direct d'OpenAlex

Abstract Background: Emergency departments and other acute-care environments depend on tight coordination between nurses, respiratory therapists (RTs), and physicians while simultaneously managing high cognitive load, staff stress, and continuous physiologic monitoring. These domains interact teamwork affects protocol execution, monitoring alarms contribute to workload and stress, and stress can undermine communication and response reliability. We aimed to synthesize PMC full-text evidence on nurse RT emergency medicine interactions around acute respiratory, psychological stress in these teams, and ECG monitoring relevant to nursing care. Methods: We conduct a PRISMA guided systematic review. We searched the PubMed Central full-text archive using structured keywords for emergency, respiratory therapy, inter-professional collaboration, stress, ECG monitoring, and alarm fatigue. We included original studies reporting outcomes relevant to nursing care in acute settings. We narratively synthesized results because outcomes and designs were heterogeneous. Results: Ten original studies met inclusion criteria across three clusters inter-professional emergency and acute respiratory and critical-care processes, psychological stress, burnout in nurses, RTs, and ECG competence and alarm management. Inter-professional on-floor education in ED settings was feasible and perceived as beneficial. A nurse, RT-driven asthma pathway reduced PICU length of stay, while an ED asthma decision-support approach did not improve time to disposition in a trial. Rapid response team implementation was associated with reduced hospital mortality and cardiopulmonary arrest rates in a large pre. RT-driven lung-protective ventilation protocol implementation increased guideline adherence and was associated with reduced ARDS incidence, but also raised concerns about communication for a subset of RTs. ECG education increased nurses’ confidence but did not reduce psychological stress about ECG monitoring; ED work experience was associated with higher ECG-related stress. Alarm-management training improved behaviors and reduced alarm fatigue. Conclusion: PMC evidence supports that protocolized, team-based interventions can improve process and some patient outcomes, but social dynamics and workload must be addressed. Monitoring competence and alarm behaviors are modifiable, yet stress may persist even when confidence increases. Implementation strategies should explicitly target communication, staffing, and alarm ecology alongside clinical protocols.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Autre devis · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,668
Score d'incertitude au seuil0,561

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,124
Tête enseignante GPT0,425
Écart entre enseignants0,301 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeAutre devis
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueZenodo (CERN European Organization for Nuclear Research)Même sujetHealthcare Technology and Patient MonitoringTravaux en français237 207