MétaCan
Menu
Retour à la cohorte
Enregistrement W2008781415 · doi:10.12927/hcq.2008.19596

A Profile of the Structure and Impact of Nursing Management in Canadian Hospitals

2008· article· en· W2008781415 sur OpenAlexaffabout
Heather Spence Laschinger, Carol Wong, Judith A. Ritchie, Danielle D’Amour, Leslie Vincent, Piotr Wilk, Marjorie Stassen, Sue Matthews, Marcy Saxe-Braithwaite, Doris Grinspun, Judith Shamian, A Mccutcheon, Michael Kerr, Sandra MacDonald‐Rencz, Barbara Oke, Donna Denney, Jerry P. White, Joan Almost

Notice bibliographique

RevueHealthcare Quarterly · 2008
Typearticle
Langueen
DomaineNursing
ThématiqueNursing education and management
Établissements canadiensWestern University
Organismes subventionnairesnon disponible
Mots-clésNursingWork (physics)Nurse AdministratorHealth careNursing managementPerceptionPsychologyMedicineMEDLINEPolitical science

Résumé

récupéré en direct d'OpenAlex

The purpose of this study was to describe the profile of nursing leadership structures in Canada and to assess relationships among structures, processes and outcomes pertaining to nurse leaders' work. Data were collected from nurse leaders in 28 academic health centres and 38 community hospitals in 10 Canadian provinces (n = 1,164). The results of this study revealed that the current contingent of nursing leaders in Canada see themselves as an empowered and influential group within their organizations. Despite very large spans of control, nurse leaders at all levels were positive about their work life and confident in their ability to provide effective leadership on nursing affairs within their organizations. Structural and process factors significantly affected nurse manager outcomes at all levels. Senior nurse leaders' work-life factors had a significant effect on middle and first-line managers' perceptions of patient care quality in the organization. Nurse leaders averaged 49 years of age highlighting the need for succession planning.

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)0,001
score de la tête « metaresearch » (Gemma)0,008
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,968
Score d'incertitude au seuil0,233

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,008
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,003
Études des sciences et des technologies0,0030,001
Communication savante0,0020,000
Science ouverte0,0010,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,016
Tête enseignante GPT0,325
Écart entre enseignants0,310 · 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'étudeObservationnel
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

Citations91
Publié2008
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueHealthcare QuarterlyMême sujetNursing education and managementTravaux en français237 207