<scp>U</scp>ganda nursing research agenda: a<scp>D</scp>elphi study
Notice bibliographique
Résumé
AIM: Use a Delphi Methodology to identify nursing research priorities in Uganda. BACKGROUND: Identifying nursing research priorities, empowering researchers, and encouraging relevant studies can advance attaining global health goals. The Uganda Nurses and Midwives Union identified the need to establish a nursing research agenda. Nurse leaders have a priority of increasing the influence of nurses in practice and policy. This study was conducted as a preliminary step in a long-term strategy to build nurses' capacity in nursing research. METHODS: A three-round Delphi study was conducted. The 45 study participants were nurses in practice, nurse faculty and members of the Uganda Nurses and Midwives Union. In the initial round, the participants wrote their responses during face-to-face meetings and the follow-up rounds were completed via email. RESULTS: Maternal and child morbidity and HIV/AIDS were identified as research priorities. Nurses also identified nursing practice, education and policy as key areas that nursing research could impact. LIMITATIONS: Demographic characteristics such as length of time in nursing were not collected. Additionally, first round participants completed a pencil-paper survey and the follow-up rounds were done by email. CONCLUSIONS: Nurse Leaders in Uganda identified areas where research efforts could have the most impact and were most relevant to nursing practice. IMPLICATIONS FOR NURSING AND HEALTH POLICY: Health policy decisions have historically been made without nursing input. Nursing research can provide evidence to inform policy and, ultimately, improve population health. The focus of nursing research in priority areas can be used to guide nursing contribution in policy discussions.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,016 | 0,039 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,002 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».