MétaCan
Menu
Retour à la cohorte
Enregistrement W2021888275 · doi:10.1097/00005110-200410000-00004

Clinical Nurses’ Understanding of Autonomy

2004· article· en· W2021888275 sur OpenAlexaff
Janice Stewart, Katherine Stansfield, Dianne M. Tapp

Notice bibliographique

RevueJONA The Journal of Nursing Administration · 2004
Typearticle
Langueen
DomaineHealth Professions
ThématiqueEthics in medical practice
Établissements canadiensAlberta Bone and Joint Health InstituteUniversity of Calgary
Organismes subventionnairesnon disponible
Mots-clésAutonomyMultidisciplinary approachNursingPsychologyFocus groupMedicineMedical educationSociology

Résumé

récupéré en direct d'OpenAlex

OBJECTIVE: The purpose of the study was to enable nurse managers to identify strategies to support and enhance autonomous practice based on clinical nurses' understanding of autonomy. BACKGROUND: Findings from an organizational work-life satisfaction survey led a nursing management team to question how clinical nurses understand autonomy. The nursing literature offers inconsistent definitions of autonomy and interchangeable use of related concepts. METHODS: Twelve focus groups involving 43 nurses working in cardiovascular service units discussed instances of satisfaction and dissatisfaction with autonomy in their clinical practice and work life. Verbatim transcripts of group discussions were interpreted by a research team to identify salient examples and descriptions of autonomy. RESULTS: Nurses described autonomy as their ability to accomplish patient care goals in a timely manner by using their knowledge and skills to understand and contribute to the overall plan of care; assess patient needs and conditions; effectively communicate concerns and priorities regarding patient care; and access and coordinate the resources of the multidisciplinary team. CONCLUSIONS: These findings challenge assumptions about autonomy as independent decision making and practice. They highlight nurses' contributions to patient care goals through knowledge of how to get things done within hospital systems and through interdisciplinary coordination and collaboration.

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)0,013
score de la tête « metaresearch » (Gemma)0,041
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 enseignants0,013
Score d'incertitude au seuil0,067

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0130,041
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0020,011
Communication savante0,0030,003
Science ouverte0,0010,004
Intégrité de la recherche0,0010,002
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 Opus0,368
Tête enseignante GPT0,602
Écart entre enseignants0,233 · 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

Citations64
Publié2004
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJONA The Journal of Nursing AdministrationMême sujetEthics in medical practiceTravaux en français237 207