Voorspelling van de personeelsbehoeften van verpleegkundigen uit routinematig verzamelde gegevens (PREDICT-NURSE)
Het doel van dit observationele onderzoek is om erachter te komen of de onderzoekers het aantal verpleegkundigen kunnen voorspellen dat nodig is op ziekenhuisafdelingen (eenheden) uit gegevens van de patiëntenziekenhuis. De belangrijkste vraag die het wil beantwoorden is:
Is het mogelijk om de personeelsvereisten van verpleegkundigen te voorspellen door routinematig geregistreerde gegevens in ziekenhuissystemen?
Onderzoekers zullen verpleegkundigen vragen naar hun opvattingen over personeelsinstrumenten voor verpleegkundigen en welke ondersteuning ze nodig hebben voor personeelsbeslissingen. Ze zullen gegevens van IT -systemen van het ziekenhuis analyseren.
Studie Overzicht
Toestand
Conditie
Gedetailleerde beschrijving
Achtergrond: Het hebben van voldoende verpleegkundigen op ziekenhuisafdelingen is van vitaal belang voor de veiligheid van de patiënt, maar het plannen van verschillende aantallen en behoeften van patiënten is moeilijk. Bijna alle acute NHS-trusts in Engeland gebruiken de Nice-versleten Safer Nursing Care Tool (SNCT) om personeelsbeslissingen te begeleiden. Deze aanpak is echter arbeidsintensief en vereist het verzamelen van gegevens specifiek om personeelsvereisten te meten, niet geïnformeerd door gegevens die zijn verzameld voor administratie of zorgbeheer.
Doel: Ontwikkel een methode om de vraag naar verpleegkundig personeel op ziekenhuisafdelingen te meten met behulp van routinegegevens om vestigingen (aantal medewerkers van de wijk) te helpen plannen, de adequaatheid van het personeel in realtime te volgen en een veilige en efficiënte inzet van personeel te informeren.
Ontwerp: een retrospectief observationeel onderzoek tussen afdelingen die acute volwassen somatische opleveren (d.w.z. niet geestelijke gezondheid) intramurale zorg in 5 algemene ziekenhuis trusts, het voorspellen van de personeelsbehoeften van verpleegkundigen uit routinematig verzamelde gegevens en het valideren van deze voorspellingen tegen patiënt- en personeelsuitwisselingsresultaten. Algoritmen zullen worden ontwikkeld op basis van gebruikersgericht ontwerp en door met patiënten samen te werken om ervaringen met personeel van ziekenhuizen verpleegkundigen en implicaties voor het ontwikkelen van algoritmen te begrijpen.
WorkStream (WS) 1 Doelstelling: begrijp wat wel/niet werkt voor verpleegkundigen en managers bij het gebruik van personeelstools en neem dit op in algoritmeontwerp. Methode: Gebruikersgerichte ontwerpbenadering bestaande uit i) Een nationale enquête onder personeelsmatrons en hoofdverpleegkundige informatieofficieren om erachter te komen hoe personeelsinstrumenten worden gebruikt en beschikbaarheid/kwaliteit van patiëntengegevens, ii) Workshops met verpleegkundigen en verpleegkundigen om personeelsbeslissingsondersteuningsbehoeften te begrijpen bij verschillende tijdstippen, iii) workshops met deze groep plus NHS IT-managers en roostersbeheerders en roostersbeheerders en roostersbeheerders en roostersbeheerders en roostersbeheerders en roostersbeheerders en roostersbeheerders en roostersbeheerders en roostersbeheerders en roostersbeheerders en roostersbeheerders en roostersbeheerders en roostersbeheerders en roosterbeheerders en roostersbeheerders en roostersbeheerders en roosterbeheerders en roosterbeheerders en roostersbeheerders en roostersbeheerders.
WS2 Doelstelling: ontwikkel statistische/machine learning -algoritmen om de personeelsvereisten van verpleegkundigen te schatten uit routinematig beschikbare patiëntgegevens. Methode: Aangezien er geen "gouden standaard" is voor het meten van de personeelsbehoeften van verpleegkundigen, zullen onderzoekers eerst metingen van de SNCT, een classificatiehulpmiddel voor de scherpte/afhankelijkheid van de patiënt repliceren. Ze zullen alternatieve algoritmen ontwikkelen, waaronder het repliceren van individuele patiënt scherpte/afhankelijkheid classificaties en het repliceren van de personeelsvereisten voor een hele afdeling. Ze zullen overwegen om beslissingen over personeel op verschillende tijdstippen te overwegen. Voorspellende variabelen zullen afkomstig zijn van gegevens over administratieve en zorgplan.
WS3 Doelstelling: beoordeel de geldigheid van algoritmen. Methode: Onderzoekers passen in regressiemodellen om de associaties tussen daadwerkelijke onder/overbehandeling te onderzoeken ten opzichte van elke kandidaat-maatregel voor personeelsvereisten en meerdere resultaten. Hiervoor zullen ze routinematige gegevens gebruiken die zijn geëxtraheerd uit IT-systemen van het ziekenhuis en een micro-enquête van verpleegkundigen om percepties van adequaatheid van personeel te begrijpen. Ze zullen testen of naarmate het personeel toeneemt ten opzichte van een maatstaf voor personeelsvereisten, het risico van slechte patiëntuitkomsten en percepties dat personeel onvoldoende afneemt. Ze vergelijken het model dat geschikt is tegen modellen met personeelsvereisten gemeten door de SNCT.
Studietype
Inschrijving (Geschat)
Contacten en locaties
Studie Locaties
-
-
-
Southampton, Verenigd Koninkrijk
- University of Southampton
-
-
Deelname Criteria
Geschiktheidscriteria
Leeftijden die in aanmerking komen voor studie
- Kind
- Volwassen
- Oudere volwassene
Accepteert gezonde vrijwilligers
Bemonsteringsmethode
Studie Bevolking
Beschrijving
Nationale enquête -inclusiecriteria:
- Veilig personeel leiden/verpleegkundige met verantwoordelijkheid voor veilig personeel of CNIO/verpleegkundige met verantwoordelijkheid voor IT/elektronische gegevens
Workshops -inclusiecriteria:
- Verpleegkundige manager met veilige personeelsbezetting/het bevat. OF
- Klinische verpleegkundige met ervaring met het voltooien van veiligere hulpmiddelen voor verpleegkundigen. OF
- NHS IT -manager met bekendheid van de systemen van Hospital Trust voor het opslaan van patiëntgegevens. OF
- Vertegenwoordiger van het bedrijf dat selectie of patiëntinformatiesysteemdiensten aanbiedt aan ziekenhuizen.
Studie plan
Hoe is de studie opgezet?
Ontwerpdetails
Cohorten en interventies
Groep / Cohort |
|---|
|
Nationaal onderzoek
We zullen personeelsmatrons en hoofdverpleegkundige officieren in Engeland onderzoeken om erachter te komen hoe personeelsinstrumenten worden gebruikt en de beschikbaarheid/kwaliteit van patiëntgegevens in IT -systemen.
|
|
Workshops
In workshops zullen we 1) Verpleegkundigen en managers vragen welke problemen ze hebben met huidige personeelssystemen en wat zou helpen, 2) Bespreek met verpleegkundigen, NHS IT -managers en IT -systeemproviders ideeën voor het bouwen van onze voorspellingsalgoritmen in softwareproducten.
|
Wat meet het onderzoek?
Primaire uitkomstmaten
Uitkomstmaat |
Maatregel Beschrijving |
Tijdsspanne |
|---|---|---|
|
Gemiddelde absolute voorspellingsfout
Tijdsspanne: Voor elke shift van 12 uur
|
gemeten in de hele tijd-equivalenten per patiënt.
Dit is een maat voor voorspellende nauwkeurigheid, d.w.z. hoe goed de voorspellingen van het algoritme overeenkomen met de doelwaarde voor de vereiste verpleegkundige personeel gemiddeld over afdelingen en verschuivingen.
|
Voor elke shift van 12 uur
|
Secundaire uitkomstmaten
Uitkomstmaat |
Maatregel Beschrijving |
Tijdsspanne |
|---|---|---|
|
sterfte
Tijdsspanne: Binnen 30 dagen na opname van de patiënt
|
gebruikt om de validiteit van het voorspellingsalgoritme te testen voor het schatten van de personeelsvereisten van verpleegkundigen
|
Binnen 30 dagen na opname van de patiënt
|
|
verblijfsduur
Tijdsspanne: van ziekenhuisopname tot ontslag
|
gebruikt om de validiteit van het voorspellingsalgoritme te testen voor het schatten van de personeelsvereisten van verpleegkundigen
|
van ziekenhuisopname tot ontslag
|
|
overname
Tijdsspanne: Binnen 30 dagen na de opname van het ziekenhuis
|
Om de validiteit van het voorspellingsalgoritme te testen voor het schatten van de personeelsvereisten voor verpleegkundigen
|
Binnen 30 dagen na de opname van het ziekenhuis
|
|
Gezondheidszorg-geassocieerde aandoeningen
Tijdsspanne: van ziekenhuisopname tot ontslag
|
Infecties die patiënten krijgen tijdens het ontvangen van gezondheidszorg.
Gebruikt om de validiteit van het voorspellingsalgoritme te testen voor het schatten van de personeelsvereisten van verpleegkundigen
|
van ziekenhuisopname tot ontslag
|
|
waren de verpleegkundigen aanwezig geschikt om aan de zorgbehoeften van de patiënt te voldoen
Tijdsspanne: voor elke 8- of 12-uursdienst
|
zoals beoordeeld door de verpleegkundige die verantwoordelijk is voor de afdeling.
Gebruikt om de geldigheid van de voorspelling van de personeelsbehoefte voor verpleegkundigen te beoordelen.
|
voor elke 8- of 12-uursdienst
|
Medewerkers en onderzoekers
Studie record data
Bestudeer belangrijke data
Studie start (Werkelijk)
Primaire voltooiing (Geschat)
Studie voltooiing (Geschat)
Studieregistratiedata
Eerst ingediend
Eerst ingediend dat voldeed aan de QC-criteria
Eerst geplaatst (Werkelijk)
Updates van studierecords
Laatste update geplaatst (Werkelijk)
Laatste update ingediend die voldeed aan QC-criteria
Laatst geverifieerd
Meer informatie
Termen gerelateerd aan deze studie
Trefwoorden
Andere studie-ID-nummers
- 100780
- NIHR166784 (Ander subsidie-/financieringsnummer: National Institute for Health and Care Research)
- 346148 (Andere identificatie: Integrated Research Application System)
Plan Individuele Deelnemersgegevens (IPD)
Bent u van plan om gegevens van individuele deelnemers (IPD) te delen?
Informatie over medicijnen en apparaten, studiedocumenten
Bestudeert een door de Amerikaanse FDA gereguleerd geneesmiddel
Bestudeert een door de Amerikaanse FDA gereguleerd apparaatproduct
product vervaardigd in en geëxporteerd uit de V.S.
Deze informatie is zonder wijzigingen rechtstreeks van de website clinicaltrials.gov gehaald. Als u verzoeken heeft om uw onderzoeksgegevens te wijzigen, te verwijderen of bij te werken, neem dan contact op met register@clinicaltrials.gov. Zodra er een wijziging wordt doorgevoerd op clinicaltrials.gov, wordt deze ook automatisch bijgewerkt op onze website .