Facteurs facilitant ou contraignant l’utilisation, par les infirmières en pratique clinique d’oncologie, du système de mesure de la charge de travail GRASP pour offrir des soins axés sur les patients
Bibliographic record
Abstract
Les administrateurs de centres hospitaliers ont besoin d’obtenir des mesures valides et fiables de la charge de travail pour calculer le nombre d’heures de soins requises pour chaque patient. C’est ce que permet de faire le système de mesure de la charge de travail GRASP. Au Centre des sciences de la santé Sunnybrook, la fréquence et la précision avec laquelle les infirmières remplissent le formulaire GRASP fluctuent et ratent souvent l’objectif établi de 90 %. Cette cible aide l’organisation à estimer la charge de travail habituelle des infirmières et les besoins des patients tout en assurant une prestation de soins qui sont sécuritaires, adaptés et financièrement responsables. L’initiative d’amélioration de la qualité rapportée dans le présent article avait pour but de cerner les facteurs qui favorisent ou compromettent l’utilisation du système GRASP par les infirmières. Le projet d’amélioration de la qualité (AQ) a été réalisé selon une approche à méthodes mixtes auprès d’un échantillon de 28 infirmières travaillant dans des unités de soins aigus et de soins palliatifs en oncologie. Le Cadre des domaines théoriques (CDT), souvent utilisé dans les études de changement de comportement, a servi à concevoir l’enquête par questionnaire et les questions d’entrevue portant sur les facteurs pertinents et mesurables susceptibles de motiver les infirmières à remplir le formulaire GRASP. Certains éléments favorisaient l’utilisation du système GRASP par les infirmières, notamment leur connaissance de son rôle dans les estimations de financement et les niveaux de dotation, leur sentiment de responsabilité professionnelle devant la charge de travail à accomplir et leur perception du GRASP comme possible outil d’organisation du travail des infirmières pendant un quart de travail chargé. Les obstacles nommés par les infirmières comprenaient entre autres le manque de connaissances du système GRASP, l’accès limité aux ordinateurs et postes de travail, le fait que les éléments du système ne rendent pas compte de la complexité du travail infirmier, les contraintes de temps, les soins de plus en plus aigus et complexes. En plus du CDT, la théorie du processus de normalisation (TPN) a aussi guidé l’évaluation et la mise en œuvre des recommandations visant à accroître la conformité aux directives d’utilisation du système GRASP. Mots-clés : infirmières, GRASP, mesure de la charge de travail des infirmières, pratique infirmière, modèle de financement
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.028 | 0.062 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.002 |
| Bibliometrics | 0.003 | 0.003 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.005 | 0.002 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.002 | 0.001 |
| Insufficient payload (model declined to judge) | 0.007 | 0.001 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".