Dotation du personnel infirmier dans des unités de soins intensifs : une étude multicentrique basée sur des données longitudinales
Bibliographic record
Abstract
Depuis plusieurs années, de nombreuses études ont tenté d’associer la dotation du personnel infirmier à la sécurité des patients hospitalisés. Certains constats généraux émanent de ces recherches, mais soulèvent des lacunes dans les connaissances empiriques. Il existe une hétérogénéité dans l’opérationnalisation et la mesure du concept de dotation du personnel infirmier, ce qui influence la précision et la comparabilité des indicateurs. Les études privilégient souvent des mesures agrégées annuellement au niveau des hôpitaux. Or, la dotation fluctue considérablement dans le temps, notamment d’un quart de travail à l’autre et entre les unités de soins. Dans ce contexte, il apparaissait pertinent d’analyser la dotation du personnel infirmier dans des unités de soins intensifs du Québec et d’en examiner les liens avec la sécurité des patients. La thèse poursuivait trois objectifs spécifiques : 1- Identifier les associations entre les différentes conditions de la dotation du personnel infirmier, prises individuellement, et la survenue d’évènements préjudiciables sensibles aux soins infirmiers dans le contexte des unités de soins intensifs adultes. 2- Décrire les différents profils globaux de dotation du personnel infirmier dans les quarts de travail des unités de soins intensifs adultes et vérifier leurs associations avec des caractéristiques temporelles et organisationnelles; 3- Vérifier s’il existe des associations entre les profils globaux de dotation du personnel infirmier, soit une variable composite, et la survenue d’évènements préjudiciables sensibles aux soins infirmiers dans des unités de soins intensifs adultes. Une base de données collectant les données de janvier 2017 à décembre 2018, dans 22 unités de soins intensifs, a été construite à partir des bases de données clinico-administratives des établissements (extraction faite par quart de travail). Les objectifs 1 et 3 reposaient sur des devis observationnels rétrospectifs avec des données longitudinales, analysées à l’aide de modèles multiniveaux mixtes. L’objectif 2 s’appuyait sur une approche configurationnelle, utilisant une classification ascendante hiérarchique pour créer les profils de dotation. Lorsqu’analysées individuellement, trois mesures relatives à la dotation du personnel infirmier sont associées significativement à la survenue d’un évènement indésirable : les ratios du nombre de patients par infirmière, la composition de l’équipe et le niveau d’expérience des infirmières. Huit profils de la dotation du personnel infirmier, combinant les données des sept variables de la dotation, ont été créés. Ces profils se divisaient en deux groupes : quatre profils offrant une disponibilité de ressources optimales plus élevée et quatre profils caractérisés par des ressources plus limitées. Parmi ces profils, trois ont été associés à une diminution du risque de survenue d’au moins un évènement préjudiciable, comparativement au profil s’approchant les plus des recommandations sur la dotation du personnel infirmier dans les unités de soins intensifs. Sur le plan conceptuel et méthodologique, cette thèse contribue à combler plusieurs lacunes de la littérature. Elle décrit des différences significatives dans l’utilisation des ressources humaines infirmières selon les quarts de travail et les unités, et montre que certains indicateurs et profils sont associés à la sécurité des patients. Toutefois, davantage d’études sont nécessaires pour approfondir ces associations.
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 | 0.018 | 0.021 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.002 |
| Bibliometrics | 0.003 | 0.005 |
| Science and technology studies | 0.002 | 0.001 |
| Scholarly communication | 0.002 | 0.002 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.004 | 0.000 |
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".