MétaCan
Menu
Retour à la cohorte
Enregistrement W2015470546 · doi:10.1111/jan.12118

Nursing intellectual capital theory: testing selected propositions

2013· article· en· W2015470546 sur OpenAlexafffundabout
Christine L. Covell, Souraya Sidani

Notice bibliographique

RevueJournal of Advanced Nursing · 2013
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueIntellectual Capital and Performance Analysis
Établissements canadiensToronto Metropolitan UniversityInstitute of Gender and HealthCanadian Institutes of Health Research
Organismes subventionnairesUniversity of Toronto
Mots-clésNursingIntellectual capitalPsychologyNursing theoryMEDLINEBusinessMedicinePolitical scienceFinanceLaw

Résumé

récupéré en direct d'OpenAlex

AIMS: To test the selected propositions of the middle-range theory of nursing intellectual capital. BACKGROUND: The nursing intellectual capital theory conceptualizes nursing knowledge's influence on patient and organizational outcomes. The theory proposes nursing human capital, nurses' knowledge, skills and experience, is related to the quality of patient care and nurse recruitment and retention of an inpatient care unit. Two factors in the work environment, nurse staffing and employer support for nurse continuing professional development, are proposed to influence nursing human capital's association with patient and organizational outcomes. DESIGN: A cross-sectional survey design. METHODS: The study took place in 2008 in six Canadian acute care hospitals. Financial, human resource and risk data were collected from hospital departments and unit managers. Clearly specified empirical indicators quantified the study variables. The propositions of the theory were tested with data from 91 inpatient care units using structural equation modelling. RESULTS: The propositions associated with the nursing human capital concept were supported. The propositions associated with the employer support for nurse continuing professional development concept were not. The proposition that nurse staffing's influences on patient outcomes was mediated by the nursing human capital of an inpatient unit, was partially supported. CONCLUSION: Some of the theory's propositions were empirically validated. Additional theoretical work is needed to refine the operationalization and measurement of some of the theory's concepts. Further research with larger samples of data from different geographical settings and types of hospitals is required to determine if the theory can withstand empirical scrutiny.

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)0,014
score de la tête « metaresearch » (Gemma)0,046
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,014
Score d'incertitude au seuil0,074

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0140,046
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0030,003
Études des sciences et des technologies0,0020,006
Communication savante0,0040,005
Science ouverte0,0020,003
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0090,001

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 Opus0,013
Tête enseignante GPT0,237
Écart entre enseignants0,224 · 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'étudeThéorique ou conceptuel
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

Citations32
Publié2013
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueJournal of Advanced NursingMême sujetIntellectual Capital and Performance AnalysisTravaux en français237 207