Development and Validation of a Derived Measure of Research Utilization by Nurses
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
BACKGROUND: Theoretical models are needed to guide strategies for the implementation of research into clinical practice. To develop and test such models, including analyses of complex theoretical constructs and causal relationships, rich datasets are needed. Working with existing datasets may mean that important variables are lacking. OBJECTIVE: The aim of this study was to derive a nursing research utilization variable and validate it using the Promoting Action on Research Implementation in Health Services (PARIHS) conceptual framework on research implementation. METHODS: This study was based on data from two surveys of registered nurses. The first survey (1996; N = 600) contained robust research utilization variables but few organizational variables. The second (1998; N = 6,526) was rich in organizational variables but contained no research utilization variables. A linear regression model with predictors common to both datasets was used to derive a research utilization variable in the 1998 dataset. To validate these scores, four separate procedures based on the hypothesis of a positive relationship between context and research utilization were completed. Mutually exclusive groups reflecting various levels of context were created to accomplish these procedures. RESULTS: The derived research utilization variable was successfully mapped onto the cases in the 1998 dataset. The derived scores ranged from 0.21 to 21.40, with a mean of 10.85 (SD = 3.23). The mean score per subgroup ranged from 8.28 for the lowest context group to 12.75 for the highest context group. One of the validation procedures showed that significant differences in mean research utilization existed only among four conceptually unique context groups (p < .001). These groups showed a positive incremental relationship in research utilization (p < .001; the better the context, the higher the research utilization score). The validity of the derived variable was supported by using the three remaining validation procedures. DISCUSSION: The successful creation and validation of a derived research utilization variable will enable advanced modeling of the relationships between research utilization and individual and organizational characteristics. The findings also support the construct validity of the context element of the PARIHS theoretical framework.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,013 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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