MétaCan
Menu
Retour à la cohorte
Enregistrement W1997333852 · doi:10.5539/gjhs.v6n6p11

The Role of Nursing Informatics on Promoting Quality of Health Care and the Need for Appropriate Education

2014· review· en· W1997333852 sur OpenAlexvenueno aff
Asieh Darvish, Fatemeh Bahramnezhad, Sara Keyhanian, Mojdeh Navidhamidi

Notice bibliographique

RevueGlobal Journal of Health Science · 2014
Typereview
Langueen
DomaineHealth Professions
ThématiqueElectronic Health Records Systems
Établissements canadiensnon disponible
Organismes subventionnairesTehran University of Medical Sciences and Health ServicesUniversity of Tehran
Mots-clésNursingQuality (philosophy)InformaticsMedicineHealth careHealth informaticsPolitical sciencePublic health

Résumé

récupéré en direct d'OpenAlex

In today's dynamic health systems, technology plays an important role in education and nursing work. So it seems necessary to study the role of nurses and highlight the need for appropriate information technology educational programs to integrate with the ever-increasing pace of technology. A review accompanied by an extensive literature search in databases and a library search focused on the keywords were used. The criteria used for selecting studies primarily focused on nursing informatics and the importance of expertise in the effective use of information technology in all aspects of the nursing profession. In a critical assessment of emerging technologies, the key elements of nursing informatics implementation were considered as healthcare promotion, advanced systems, internet and network. In view of the nature and the development of the information age, it is required to receive necessary IT training for all categories of nurses. Due to the fast development of technology, in order to effectively take advantage of information technology in nursing outcome and quality of health care and to empower nurses; educational arrangement is recommended to set short-term and long-term specialized courses focusing on four target groups: studying, working, graduate, senior undergraduate, and graduate doctoral. The result of this study is expected to assist educational providers with program development.

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)0,006
score de la tête « metaresearch » (Gemma)0,014
Version: metacan-v3-hybrid-931329e0061cStatut 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: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,006
Score d'incertitude au seuil0,029

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0060,014
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,003
Études des sciences et des technologies0,0010,002
Communication savante0,0030,003
Science ouverte0,0010,002
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,104
Tête enseignante GPT0,554
Écart entre enseignants0,451 · 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'étudeSans objet
Domainenon disponible
GenreSynthèse

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

En bref

Citations93
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueGlobal Journal of Health ScienceMême sujetElectronic Health Records SystemsTravaux en français237 207