MétaCan
Menu
Retour à la cohorte
Enregistrement W2000544148 · doi:10.12927/cjnl.2013.23629

Knowledge Gaps Regarding APN Roles: What Hospital Decision-Makers Tell Us

2013· article· en· W2000544148 sur OpenAlexaffvenue
Nancy Carter, Maureen Dobbins, Sandra Ireland, Heather Hoxby, Gladys Peachey, Alba DiCenso

Notice bibliographique

RevueNursing leadership · 2013
Typearticle
Langueen
DomaineHealth Professions
ThématiqueNursing Roles and Practices
Établissements canadiensSt. Joseph’s Healthcare HamiltonMcMaster University
Organismes subventionnairesnon disponible
Mots-clésNursingHealth careAcute careValue (mathematics)MedicineClinical nurse specialistPsychologyKnowledge managementPolitical science

Résumé

récupéré en direct d'OpenAlex

The implementation of advanced practice nursing (APN) roles can yield improvements in patient and health system outcomes, and supportive leadership is integral in facilitating the implementation of such roles. The purpose of this study was to explore the awareness and understanding of APN roles among hospital decision-makers, and to learn about the information they require and the ways in which they prefer to receive that information. Fifteen administrators and leaders from two multi-site acute care organizations were interviewed. Their practical knowledge of APN roles was based on experience developing the roles or working with APNs in hospital programs. The most common sources of APN information were internal contacts (i.e., APNs) and documents from nursing organizations. Participants reported difficulty distinguishing between the roles of nurse practitioners (NPs) and clinical nurse specialists (CNSs), and identified knowledge regarding CNS roles as their greatest need. They required specific information regarding the "value-added" benefits offered by an APN role. Strategies to address the knowledge gaps of healthcare leaders are urgently needed in order to support the implementation of new APN roles and to sustain existing ones.

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)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Études des sciences et des technologies, Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesCharge utile insuffisante (le modèle a refusé de juger)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,564
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
Communication savante0,0000,002
Science ouverte0,0000,000
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0020,007

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 Opus0,155
Tête enseignante GPT0,407
Écart entre enseignants0,252 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

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

Citations25
Publié2013
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueNursing leadershipMême sujetNursing Roles and PracticesTravaux en français237 207