Förutsäga krav på sjuksköterska bemanning från rutinmässigt insamlade data (PREDICT-NURSE)

Bakgrund: Att ha tillräckligt med sjuksköterskor på sjukhusavdelningar är avgörande för patientsäkerhet men att planera för olika antal och behov hos patienter är svårt. Nästan alla akuta NHS-förtroenden i England använder det trevliga verktyget för säkrare omvårdnadsverktyg (SNCT) för att vägleda bemanningsbeslut. Detta tillvägagångssätt är emellertid arbetsintensivt och kräver insamling av data specifikt för att mäta bemanningskrav, inte informerade av data som samlats in för administration eller vårdhantering.

Syfte: Utveckla en metod för att mäta efterfrågan på sjuksköterskepersonal på sjukhusavdelningar med hjälp av rutinmässiga data för att hjälpa till att planera anläggningar (antal avdelningsanställda), övervaka bemanningens tillräcklighet i realtid och informera säker och effektiv utplacering av personal.

Design: En retrospektiv observationsstudie över avdelningar som ger akut vuxen somatisk (dvs. inte mental hälsa) inpatientvård i 5 allmänna sjukhusfonder, förutsäger krav på sjuksköterska bemanning från rutinmässigt insamlade data och validerar dessa förutsägelser mot patient- och bemanningsområden. Algoritmer kommer att utvecklas enligt användarcentrerad design och genom att engagera sig med patienter för att förstå erfarenheter av sjuksköterska bemanning och konsekvenser för att utveckla algoritmer.

Workstream (WS) 1 Mål: Förstå vad som inte fungerar för sjuksköterskor och chefer när du använder bemanningsverktyg och integrerar detta i algoritmdesign. Metod: Användarcentrerad designmetod som omfattar i) en nationell undersökning av bemanningsmatroner och chef för sjuksköterska informationsansvariga för att ta reda på hur bemanningsverktyg används och patientdatatillgänglighet/kvalitet, ii) workshops med sjuksköterskor och sjuksköterskor för att förstå bemynningsbeslutsbehov vid olika tidpunkter, III) Workshops med denna grupp plus NHS-IT-chefer och rosterföretag för att diskutera algoriter vid olika tidpunkter, III) arbetshoppar med denna grupp plus NHS-IT-chefer och rosterföretag för att diskutera Algoritm-design.

WS2 Mål: Utveckla algoritmer för statistiska/maskininlärning för att uppskatta krav på sjuksköterska bemanning från rutinmässigt tillgängliga patientdata. Metod: Eftersom det inte finns någon "guldstandard" för att mäta krav på sjuksköterska bemanning kommer forskare först att replikera mätningar från SNCT, ett patientskärpa/beroende klassificeringsverktyg. De kommer att utveckla alternativa algoritmer inklusive replikering av individuella patientskärpa/beroende klassificeringar och replikera bemanningskraven för en hel avdelning. De kommer att överväga bemanningsbeslut vid olika tidpunkter. Prediktorvariabler kommer från administrativa och vårdplandata.

WS3 Mål: Utvärdera giltigheten för algoritmer. Metod: Forskare kommer att passa regressionsmodeller för att undersöka sambanden mellan faktiska under/överbemannade relativt varje kandidatmått på bemanningskraven och flera resultat. För detta kommer de att använda rutinmässiga data extraherade från sjukhus IT-system och en mikroöverskridande av sjuksköterskor för att förstå uppfattningar om bemanningsförmåga. De kommer att testa huruvida bemanningen ökar i förhållande till ett mått på bemanningskraven, risken för dåliga patientens resultat och uppfattningar om att bemanningen är otillräcklig minskar. De kommer att jämföra modellpassning mot modeller med bemanningskrav mätt med SNCT.