Moving Knowledge to Action: A Qualitative Study of the Registered Nurses' Association of Ontario Advanced Clinical Practice Fellowship Program
Notice bibliographique
Résumé
UNLABELLED: With funding from the Ontario Ministry of Health and Long-Term Care, the Registered Nurses' Association of Ontario (RNAO) established the Advanced Clinical Practice Fellowship (ACPF) program in 2000 to improve patient care and outcomes through advanced nursing knowledge and skills. This paper describes the perceptions of ACPF fellows regarding their influence on quality of care and patient outcomes, specifically, the types of practice change activities initiated, successful implementation and influence on outcomes, barriers encountered and strategies used to address them and influence change. METHODS: Thirty telephone interviews were conducted with ACPF fellows after completing their fellowship. Interviews were analyzed using descriptive content analysis. RESULTS: Fifty-one practice change activities were identified. Ratings for successful implementation (1 = not successful, 10 = extremely successful) were 7.2/10; ratings for successful influence on outcomes were 7.4/10. Barriers identified were (a) resistant attitudes, (b) time and workload, (c) lack of administrative support and (d) lack of mentor's involvement. Strategies proposed were (a) building a knowledge base, (b) negotiation and dialogue and (c) self-reliance and persistence. IMPLICATIONS: The ACPF program is an innovative and highly utilized initiative. While this program supports strategic directions of government and nursing professional groups, further research will validate and expand on the specific ways in which the initiative influences professional development, healthcare delivery and patient outcomes.
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 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».