Developing a Competence Framework and Evaluation Tool for Primary Care Nursing in South Africa
Notice bibliographique
Résumé
CONTEXT: Nurses provide the bulk of primary care services in South Africa. Post-apartheid health legislation envisions the provision of comprehensive primary services at all public clinics, which implies the need for a cadre of primary care nurses able to render such services. OBJECTIVES: To identify core competencies of clinic nurses and develop an evaluation tool for primary care nursing in South Africa. METHODS: The descriptive and exploratory techniques used included two meetings of a reference group of South African primary care professionals, followed by a consensus-building exercise. Using the Delphi technique expert opinion was solicited from South Africa, Canada and the USA. FINDINGS: The reference group meetings yielded a list of nine core competencies. Infrastructure issues, such as the supermarket (one-stop shopping) approach to service delivery, communication and transport systems, and the quality of supervision still cause concern. These issues underscore that competence cannot be measured in a vacuum. Input from Delphi participants affirmed the nine core competencies and the need to assess the impact of core competency training. One possible way to measure the nine core competencies would be to use proxy indicators. DISCUSSION/CONCLUSIONS: Identifying core competencies is a complex process. There is a need to process a wide range of views and ideas. Also, balancing academic concerns with service delivery needs and constraints is an ongoing challenge. A potential limitation of the Delphi technique is participant selection bias and fatigue. Accessing a diverse international panel and making numerous follow up attempts via phone, mail and email were used to attempt to ameliorate these inherent limitations. Although the process is cumbersome, providing "experts" with a venue to wrestle with these ideas can be fruitful. Future studies would help to assess the reliability of the findings.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,039 | 0,057 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,007 | 0,003 |
| Études des sciences et des technologies | 0,003 | 0,002 |
| Communication savante | 0,006 | 0,006 |
| Science ouverte | 0,001 | 0,006 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
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.
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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».