MétaCan
Menu
Retour à la cohorte
Enregistrement W2016053009 · doi:10.4081/nursrep.2014.3290

Universal and targeted early home visiting: perspectives of public health nurses, managers and mothers

2014· article· en· W2016053009 sur OpenAlexafffundabout
Megan Aston, Sheri Price, Josephine Etowa, Adele Vukic, Linda M. Young, Christine Hart, Emily Macleod, Patricia Randel

Notice bibliographique

RevueNursing Reports · 2014
Typearticle
Langueen
DomainePsychology
ThématiqueChild Abuse and Trauma
Établissements canadiensDalhousie University
Organismes subventionnairesDalhousie UniversityNova Scotia Health Research Foundation
Mots-clésPublic healthNursingPublic health nurseFace (sociological concept)Mental healthMedicinePsychologySociologyPsychiatrySocial science

Résumé

récupéré en direct d'OpenAlex

Early home visits provided by public health nurses (PHNs) around the world have been proven to positively impact physical, social, emotional and mental health outcomes of mothers and babies. Most of the research has focused on home visiting programs delivered by public health nurses and lay home visitors to support at risk or targeted mothers. Little research has been conducted to examine universal home visiting programs for mothers who are perceived to be lower-risk. The purpose of this research was to explore how universal and targeted early home visiting programs for mothers and babies were organized, delivered and experienced through the everyday practices of PHNs, mothers, and managers in one city in Atlantic Canada. Feminist post-structuralism was used to collect and analyze data through semi-structured face-to-face interviews with 16 PHNs, 16 mothers and 4 managers. Personal, social and institutional discourses of program delivery were examined using discourse analysis. Four main themes of the study include: i) understanding targeted and universal programming; ii) health outcomes; iii) building relationships; and iv) exploring a new surveillance. This article will discuss the first theme; understanding targeted and universal programming.

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)0,010
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,038
Score d'incertitude au seuil0,075

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0070,010
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0100,008
Communication savante0,0060,003
Science ouverte0,0010,006
Intégrité de la recherche0,0020,005
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,017
Tête enseignante GPT0,290
Écart entre enseignants0,273 · 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'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

Citations20
Publié2014
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueNursing ReportsMême sujetChild Abuse and TraumaTravaux en français237 207