MétaCan
Menu
Retour à la cohorte
Enregistrement W1992789695 · doi:10.12927/cjnl.2000.16291

Experiencing Nursing Governance: Developing A Post Merger Nursing Committee Structure

2000· article· en· W1992789695 sur OpenAlexaffvenueabout
Kim Alvarado, Sheryl Boblin-Cummings, Peggy Goddard

Notice bibliographique

RevueNursing leadership · 2000
Typearticle
Langueen
DomaineHealth Professions
ThématiqueHealthcare Quality and Management
Établissements canadiensHamilton Health Sciences
Organismes subventionnairesnon disponible
Mots-clésCorporationMandateCommissionRestructuringCorporate governanceNursingOrganizational structurePublic relationsPolitical scienceMedicineBusinessLaw

Résumé

récupéré en direct d'OpenAlex

In a mid-sized city in south-central Ontario, two hospitals with four physical sites underwent a merger to form one large corporation; this merger was in response to the recommendations of a provincial restructuring commission. Health care delivery within the large corporation was reorganized using a program management structure. An outcome of program management within this corporation was the dissolution of the traditional nursing departments. In recognition of the need for a professional voice, the corporation created a new governance structure, which included the Professional Advisory Committee. Twenty-five disciplines are represented within this committee; each of these disciplines created its own professional committee. Nursing, then, was responsible for developing the Nursing Practice Committee (NPC). The following article describes the process by which front line nursing staff developed the NPC. A nursing structure task force was struck to accomplish this purpose; the task force is described, including membership, mandate, activities, principles and goals. The environmental assessment that was conducted by the task force is described, along with the process by which the NPC structure was designed and implemented. Challenges and successes experienced are presented. Rosabeth Kanter's framework for staff empowerment is used to understand how nursing governance was transformed in the development of the NPC.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,028
score de la tête « metaresearch » (Gemma)0,043
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,042
Score d'incertitude au seuil0,146

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0280,043
Méta-épidémiologie (sens strict)0,0000,001
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0180,009
Communication savante0,0100,006
Science ouverte0,0020,009
Intégrité de la recherche0,0020,003
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,332
Tête enseignante GPT0,458
Écart entre enseignants0,126 · 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 source (Gemma direct ou Codex distillé), 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

Citations2
Publié2000
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueNursing leadershipMême sujetHealthcare Quality and ManagementTravaux en français237 207