MétaCan
Menu
Retour à la cohorte
Enregistrement W2022010757 · doi:10.1177/1744987114559063

Forging a strong nursing future: insights from the Canadian context

2014· article· en· W2022010757 sur OpenAlexaffabout
Susan Duncan, Patricia Rodney, Sally Thorne

Notice bibliographique

RevueJournal of research in nursing · 2014
Typearticle
Langueen
DomaineNursing
ThématiqueNursing Education, Practice, and Leadership
Établissements canadiensUniversity of British ColumbiaThompson Rivers University
Organismes subventionnairesnon disponible
Mots-clésGlobeNursingHealth careContext (archaeology)Action (physics)Public relationsCall to actionCommissionNurse educationPsychologyPolitical scienceSociologyMedicineBusinessHistoryLaw

Résumé

récupéré en direct d'OpenAlex

Canadian nurses, with their colleagues around the globe, are experiencing waves of change in their practice and work lives, and in expectations of how they will continue to make a difference for health and health care. We describe how Canadian nurses have been called to action to lead system wide changes in nursing practice, and to influence the wider public policy arenas for health. We aim to add to the growing international awareness of the status of nursing prompted by the Francis inquiry by offering our analysis of nursing practice and nursing leadership in Canada, in the context of the dominance of a managerial culture in health care systems. A review of prior commission reports, task forces and research reports sheds light on strategies needed to support nurses to address today’s challenges in nursing practice, including staff and skill mix determinations. We share our reflection on the current situation in Canadian nursing as a basis for learning about how our issues compare and contrast with others profiled in the journal. Our goal is to join with colleagues from Canada and other countries to forge a strong future – a future in which nursing’s voices are clearly heard in practice and policy decision-making, and where our knowledge and actions actualise societal health.

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)0,008
score de la tête « metaresearch » (Gemma)0,012
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 enseignants0,760
Score d'incertitude au seuil0,882

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0080,012
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0040,009
Études des sciences et des technologies0,0850,023
Communication savante0,0200,007
Science ouverte0,0040,011
Intégrité de la recherche0,0050,009
Charge utile insuffisante (le modèle a refusé de juger)0,0060,001

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 Opus0,076
Tête enseignante GPT0,418
Écart entre enseignants0,342 · 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

Citations28
Publié2014
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of research in nursingMême sujetNursing Education, Practice, and LeadershipTravaux en français237 207