MétaCan
Menu
Retour à la cohorte
Enregistrement W1999640456 · doi:10.12927/cjnl.2004.16245

Maximizing the Involvement of Rural Nurses in Policy

2004· review· en· W1999640456 sur OpenAlexaffvenueabout
Judith C. Kulig, Deana Nahachewsky, Elizabeth Thomlinson, Martha MacLeod, Fran Curran

Notice bibliographique

RevueNursing leadership · 2004
Typereview
Langueen
DomaineNursing
ThématiqueNursing Education, Practice, and Leadership
Établissements canadiensUniversity of Lethbridge
Organismes subventionnairesnon disponible
Mots-clésPosition (finance)Rural managementRural healthNursingContext (archaeology)Work (physics)Health policyRural areaPolicy developmentPublic relationsPolitical scienceBusinessEconomic growthMedicineRural developmentPublic healthPublic administration

Résumé

récupéré en direct d'OpenAlex

Rural health issues are increasingly recognized as needing attention, but many health policies in Canada are developed for the urban context and universally applied to rural settings. Addressing rural nurses' opportunities for involvement in policy will contribute to our general understanding of rural health while improving community health services. Rural nurses are in a unique position to assist because of their intimate knowledge of their communities and their position as informal community leaders. Challenges to their involvement include decreased numbers and lack of educational preparation about policy. A strength is the higher percentage of rural nurses who are managers compared to their urban counterparts. Nursing education programs need to include theoretical content and practical opportunities related to health policy. Managers need to support rural nurses' attempts in policy development by providing opportunities for membership on policy committees. Finally, once obtaining skills in the policy arena, rural nurses need to work within their communities and workplaces to help develop and implement more appropriate rural-based policies.

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)0,007
score de la tête « metaresearch » (Gemma)0,011
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 enseignants0,007
Score d'incertitude au seuil0,036

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0070,011
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,003
Études des sciences et des technologies0,0010,001
Communication savante0,0020,003
Science ouverte0,0010,002
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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 Opus0,234
Tête enseignante GPT0,403
Écart entre enseignants0,168 · 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

Citations13
Publié2004
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueNursing leadershipMême sujetNursing Education, Practice, and LeadershipTravaux en français237 207