MétaCan
Menu
Retour à la cohorte
Enregistrement W1981772110 · doi:10.1188/14.onf.683-685

The Application of Qualitative Research Findings to Oncology Nursing Practice

2014· article· en· W1981772110 sur OpenAlexafffund
Colleen Cuthbert, Nancy J. Moules

Notice bibliographique

RevueOncology nursing forum · 2014
Typearticle
Langueen
DomaineMedicine
ThématiqueCancer survivorship and care
Établissements canadiensUniversity of Calgary
Organismes subventionnairesCanadian Institutes of Health Research
Mots-clésMedicineQualitative researchNursingCritical appraisalNursing researchNursing practiceQuality (philosophy)Clinical PracticeOncology nursingMedical educationAlternative medicineNurse educationPathology

Résumé

récupéré en direct d'OpenAlex

The Oncology Nursing Society (ONS) has established an ambitious research agenda and professional priorities based on a survey by LoBiondo-Wood et al. (2014). With the overall goal to "improve cancer care and the lives of individuals with cancer" (Moore & Badger, 2014, p. 93) through research activities, translating those research findings to direct clinical practice can be overwhelming. As clinicians, understanding how to critique research for quality prior to incorporating research findings into practice is important. The ultimate goal in this critique is to ensure that decisions made about patient care are based on strong evidence. However, the process for appraisal of qualitative research can be ambiguous and often contradictory as a result of the elusive aspect of quality in qualitative research methods (Seale, 1999). In addition, with more than 100 tools available to evaluate qualitative research studies (Higgins & Green, 2011), a lack of consensus exists on how to critically appraise research findings.

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)0,005
score de la tête « metaresearch » (Gemma)0,002
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,907
Score d'incertitude au seuil0,632

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0050,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,001
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 Opus0,103
Tête enseignante GPT0,557
Écart entre enseignants0,454 · 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'étudeSans objet
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

Citations4
Publié2014
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueOncology nursing forumMême sujetCancer survivorship and careTravaux en français237 207