MétaCan
Menu
Retour à la cohorte
Enregistrement W1918726777 · doi:10.1111/nin.12010

Examining the language–place–healthcare intersection in the context of Canadian homecare nursing

2012· article· en· W1918726777 sur OpenAlexafffundabout
Melissa Giesbrecht, Valorie A. Crooks, Kelli Stajduhar

Notice bibliographique

RevueNursing Inquiry · 2012
Typearticle
Langueen
DomaineHealth Professions
ThématiqueGeriatric Care and Nursing Homes
Établissements canadiensUniversity of VictoriaSimon Fraser University
Organismes subventionnairesCanadian Institutes of Health ResearchEli Lilly and Company
Mots-clésNursingHealth careContext (archaeology)Intersection (aeronautics)NarrativeEthnographyParticipant observationLanguage barrierPsychologyMedicineSociologyLinguistics

Résumé

récupéré en direct d'OpenAlex

Currently, much of the western world is experiencing a shift in the places where care is provided, namely from institutional settings like hospitals to diverse community settings such as the home. However, little is known about how language and the physical and social aspects of place interact to influence how health-care is delivered and experienced in the home environment. Drawing on ethnographic participant observations of homecare nursing visits and semi-structured interviews with Canadian family caregivers, care recipients and nurses, the intersection of language, place and health-care was explored in this secondary analysis. Our findings reveal four themes: homecare nurses view themselves as 'guests'; home environments facilitate the development of nurse-client relationships; nurses adapt healthcare language to each home environment; and storytelling and illness narratives largely prevail during medical interactions in the home. These findings demonstrate the spatiality of language and how the home environment informs decisions regarding language use. Furthermore, these findings exemplify how language and place mutually influence the experiences and delivery of home health-care. We conclude by discussing the importance of considering the language-place-healthcare intersection in order to gain a better understanding of medical exchanges in places and the associated implications for optimizing best nursing 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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,104
Score d'incertitude au seuil0,946

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,130
Tête enseignante GPT0,419
Écart entre enseignants0,288 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeQualitatif
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations12
Publié2012
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueNursing InquiryMême sujetGeriatric Care and Nursing HomesTravaux en français237 207