The 2009 Helene Hudson Memorial Lectureship: Creating opportunities to support oncology nursing practice: Surviving and thriving
Notice bibliographique
Résumé
There is a growing body of evidence to support that specialization in nursing leads to improved outcomes for patients, including increased QOL, improved symptom management, and fewer hospital admissions. Oncology nurses face several challenges in pursuing specialization, due to individual and system issues such as limited time and resources. To address these challenges, de Souza Institute launched a province-wide study group for nurses in Ontario who planned to write the Canadian Nurses Association (CNA) Oncology Certification Exam. The study group was led by educators from de Souza and Princess Margaret Hospital and drew expertise from nursing leaders across Ontario who shared the same vision of oncology nursing excellence. The study group was innovative by embracing telemedicine and web-based technology, which enabled flexibility for nurses' work schedules, learning styles, physical location and practice experience. The study group utilized several theoretical perspectives and frameworks to guide the curriculum: Adult Learning Theories, Cooperative Learning, Generational Learning Styles, CANO standards for practice and the CNA exam competencies. This approach enabled 107 oncology nurses across the province in 17 different sites to connect, as a group, study interactively and fully engage in their learning. A detailed evaluation method was utilized to assess baseline knowledge, learning needs, cooperative group process, exam success rates, and document unexpected outcomes. Ninety-four per cent of participants passed the CNA Oncology Exam. Lessons learned and future implications are discussed. The commitment remains to enable thriving through generating new possibilities, building communities of practice, mentoring nurses and fostering excellence in oncology practice.
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 | 0,004 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,006 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
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 ».