MétaCan
Menu
Retour à la cohorte
Enregistrement W2031569596 · doi:10.1186/1472-6963-11-27

Supporting work practices through telehealth: impact on nurses in peripheral regions

2011· article· en· W2031569596 sur OpenAlexafffundabout
Marie‐Pierre Gagnon, Guy Paré, Hugo Pollender, Julie Duplantie, José Côté, Jean‐Paul Fortin, Rita Labadie, Emmanuel Duplàa, Marie-Claude Thifault, François Courcy, Carrie Anna McGinn, Birama Apho Ly, Amélie Trépanier, François-Bernard Malo

Notice bibliographique

RevueBMC Health Services Research · 2011
Typearticle
Langueen
DomaineHealth Professions
ThématiqueGlobal Health Workforce Issues
Établissements canadiensUniversité de SherbrookeUniversity of OttawaCentre intégré de santé et de services sociaux de Chaudière-AppalachesHEC MontréalUniversité LavalUniversité de MontréalCentre hospitalier universitaire de Québec
Organismes subventionnairesCanadian Institutes of Health ResearchMax-Planck-Gesellschaft
Mots-clésTelehealthWorkforceNursing researchNursingHealth informaticsMedicineWorkforce planningHealth careHealth administrationNurse educationWork (physics)Public healthTelemedicinePolitical science

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: In Canada, workforce shortages in the health care sector constrain the ability of the health care system to meet the needs of its population and of its health care professionals. This issue is of particular importance in peripheral regions of Quebec, where significant inequalities in workforce distribution between regions has lead to acute nursing shortages and increased workloads. Information and communication technologies (ICTs) are innovative solutions that can be used to develop strategies to optimise the use of available resources and to design new nursing work practices. However, current knowledge is still limited about the real impact of ICTs on nursing recruitment and retention. Our aim is to better understand how work practice reorganization, supported by ICTs, and particularly by telehealth, may influence professional, educational, and organizational factors relating to Quebec nurses, notably those working in peripheral regions. METHODS/DESIGN: First, we will conduct a descriptive study on the issue of nursing recruitment. Stratified sampling will be used to select approximately twenty innovative projects relating to the reorganization of work practices based upon ICTs. Semi-structured interviews with key informants will determine professional, educational, and organizational recruitment factors. The results will be used to create a questionnaire which, using a convenience sampling method, will be mailed to 600 third year students and recent graduates of two Quebec university nursing faculties. Descriptive, correlation, and hierarchical regression analyses will be performed to identify factors influencing nursing graduates' intentions to practice in peripheral regions. Secondly, we will conduct five case studies pertaining to the issue of nursing retention. Five ICT projects in semi-urban, rural, and isolated regions have been identified. Qualitative data will be collected through field observation and approximately fifty semi-structured interviews with key stakeholders. DISCUSSION: Data from both parts of this research project will be jointly analysed using triangulation of researchers, theoretical approaches, methods, and results. Continuous exchanges with decision makers and periodic knowledge transfer activities are planned to facilitate the dissemination and utilization of research results in policies regarding the nursing recruitment and retention.

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)0,002
score de la tête « metaresearch » (Gemma)0,004
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 enseignants0,666
Score d'incertitude au seuil0,671

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0030,001
Communication savante0,0020,001
Science ouverte0,0010,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0050,000

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 Opus0,267
Tête enseignante GPT0,609
Écart entre enseignants0,341 · 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

Citations17
Publié2011
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueBMC Health Services ResearchMême sujetGlobal Health Workforce IssuesTravaux en français237 207