清晨好,您是今天最早来到科研通的研友!由于当前在线用户较少,发布求助请尽量完整地填写文献信息,科研通机器人24小时在线,伴您科研之路漫漫前行!

Beyond Hospital-Level Aggregated Data

人员配备 背景(考古学) 医学 急症护理 单位(环理论) 医疗保健 医疗急救 护理部 急诊医学 心理学 经济增长 生物 数学教育 古生物学 经济
作者
Christine Yang,Mark Kuebeler,Ruhong Jiang,Melissa K. Knox,Janine J. Wong,Paras Mehta,Lynette E. Dorsey,Laura A. Petersen
出处
期刊:Medical Care [Lippincott Williams & Wilkins]
卷期号:62 (3): 189-195
标识
DOI:10.1097/mlr.0000000000001972
摘要

Background: Studies of nurse staffing frequently use data aggregated at the hospital level that do not provide the appropriate context to inform unit-level decisions, such as nurse staffing. Objectives: Describe a method to link patient data collected during the provision of routine care and recorded in the electronic health record (EHR) to the nursing units where care occurred in a national dataset. Research Design: We identified all Veterans Health Administration acute care hospitalizations in the calendar year 2019 nationwide. We linked patient-level EHR and bar code medication administration data to nursing units using a crosswalk. We divided hospitalizations into segments based on the patient’s time-stamped location (ward stays). We calculated the number of ward stays and medication administrations linked to a nursing unit and the unit-level and facility-level mean patient risk scores. Results: We extracted data on 1117 nursing units, 3782 EHR patient locations associated with 1,137,391 ward stays, and 67,772 bar code medication administration locations associated with 147,686,996 medication administrations across 125 Veterans Health Administration facilities. We linked 89.46% of ward stays and 93.10% of medication administrations to a nursing unit. The average (standard deviation) unit-level patient severity across all facilities is 4.71 (1.52), versus 4.53 (0.88) at the facility level. Conclusions: Identification of units is indispensable for using EHR data to understand unit-level phenomena in nursing research and can provide the context-specific information needed by managers making frontline decisions about staffing.

科研通智能强力驱动
Strongly Powered by AbleSci AI
科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
优雅谷蕊完成签到,获得积分10
8秒前
9秒前
大胆醉卉完成签到,获得积分10
14秒前
Bienk完成签到,获得积分10
15秒前
15秒前
范白容完成签到 ,获得积分0
27秒前
勤劳的翩跹完成签到,获得积分10
32秒前
充电宝的应助被义气的导师采纳,获得10
32秒前
雪山飞龙发布了新的文献求助10
52秒前
迷你的蜜粉完成签到,获得积分10
55秒前
57秒前
任性的千筹完成签到,获得积分10
1分钟前
激昂的谷冬完成签到,获得积分10
1分钟前
xuexixiaojin完成签到 ,获得积分10
1分钟前
小成完成签到 ,获得积分10
1分钟前
爱听歌的香萱完成签到,获得积分10
1分钟前
高大绮完成签到,获得积分10
1分钟前
披着羊皮的狼完成签到 ,获得积分0
1分钟前
1分钟前
ze完成签到 ,获得积分10
1分钟前
ZYD完成签到 ,获得积分10
2分钟前
如意的小凡完成签到,获得积分10
2分钟前
欣慰小夏完成签到,获得积分10
2分钟前
暴躁的尔柳完成签到,获得积分10
2分钟前
雪山飞龙完成签到,获得积分10
2分钟前
Everything完成签到,获得积分10
2分钟前
大模型的应助被NeoSoul采纳,获得10
2分钟前
所所的应助被chencheng采纳,获得10
3分钟前
漂亮的半兰完成签到,获得积分10
3分钟前
大大完成签到 ,获得积分10
3分钟前
忐忑的烤鸡完成签到,获得积分10
3分钟前
six完成签到,获得积分10
3分钟前
含蓄的雪冥完成签到,获得积分10
3分钟前
认真的笑卉完成签到,获得积分10
3分钟前
顺利的雅旋完成签到,获得积分10
4分钟前
智者雨人完成签到 ,获得积分10
4分钟前
4分钟前
Nickname举报求助违规成功
4分钟前
Criminology34举报求助违规成功
4分钟前
aajhajkahna举报求助违规成功
4分钟前
高分求助中
(应助此贴封号)【重要!!请各用户(尤其是新用户)详细阅读】【科研通的精品贴汇总】 10000
Особенности технологий и методов информационно-психологических войн СССР с Великобританией и США в период 1939-1953 гг 1000
Das Matthäusevangelium: Kapitel 1:1–17 1000
IRTSD: Open-Source Data and Toolset for Electromagnetic Transient Analysis of Disturbances and IBR Control Malfunctions in Transmission Systems 1000
Entre Praga y Madrid : los contactos checoslovaco-españoles (1948-1977) 600
A REVIEW OF THE V-22 DYNAMICS VALIDATION PROGRAM 600
Les Mots du discours 600
热门求助领域 (近24小时)
化学 材料科学 医学 生物 纳米技术 计算机科学 工程类 有机化学 化学工程 生物化学 物理 复合材料 内科学 催化作用 光电子学 人工智能 细胞生物学 无机化学 物理化学 数学
热门帖子
关注 科研通微信公众号,转发送积分 8122967
求助须知:如何正确求助?哪些是违规求助? 9527041
关于积分的说明 21563742
捐赠科研通 7702428
什么是DOI,文献DOI怎么找? 3415825
关于科研通互助平台的介绍 2541528
邀请新用户注册赠送积分活动 2456372