MétaCan
Menu
Retour à la cohorte
Enregistrement W2056308200 · doi:10.3917/rsi.114.0031

Liens entre recherche et pratique : échange des savoirs, utilisation des données probantes et renouvellement des pratiques

2013· article· fr· W2056308200 sur OpenAlexaffabout
Hélène Lefebvre, Odette Roy, Sarah Sahtali, Monique Rothan‐Tondeur

Notice bibliographique

RevueRecherche en soins infirmiers · 2013
Typearticle
Languefr
DomaineHealth Professions
ThématiqueHealth Sciences Research and Education
Établissements canadiensCanadian Nurses FoundationHôpital Maisonneuve-RosemontUniversité de Montréal
Organismes subventionnairesnon disponible
Mots-clésHumanitiesPolitical scienceArt

Résumé

récupéré en direct d'OpenAlex

Les infirmières des milieux cliniques basent encore peu leurs pratiques sur les savoirs scientifiques et n’ont que rarement le réflexe de s’inspirer des écrits en réponse aux questions qu’elles se posent ou à leurs préoccupations cliniques. L’implantation durable de projets d’utilisation des connaissances fondées sur les évidences scientifiques se présente ainsi comme un défi d’importance auquel les recherches infirmières doivent s’attaquer. Cet article a pour but d’exposer une stratégie adoptée par le Réseau infirmier et partenaires de soins (RI-PS) de l’Université de Montréal (Québec) qui vise à amener les milieux à utiliser de façon optimale et pérenne les savoirs scientifiques et à incorporer à leurs modes opératoires le recours aux meilleures pratiques fondées sur des évidences scientifiques. Un examen rapide de l’évolution de la recherche infirmière et de ses impacts sera d’abord effectué, suivi d’un état des lieux sur les facteurs de succès de l’utilisation des connaissances dans les milieux de pratiques, puis de la présentation d’un modèle, l’ Implementation Science , sur lequel s’appuie la stratégie du RI-PS pour ses projets. Le réseau et l’une de ses activités, le Portail d’échange de savoirs et partenaires de soins (PES) seront décrits.

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)0,134
score de la tête « metaresearch » (Gemma)0,208
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
Catégories consensuellesaucune
DomaineSignal candidat: Méthodes · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,866
Score d'incertitude au seuil0,711

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,1340,208
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0020,002
Bibliométrie0,0050,006
Études des sciences et des technologies0,0090,013
Communication savante0,0210,012
Science ouverte0,0040,012
Intégrité de la recherche0,0040,006
Charge utile insuffisante (le modèle a refusé de juger)0,0160,003

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 Opus0,674
Tête enseignante GPT0,548
Écart entre enseignants0,125 · 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.

Devis d'étudeSans objet
DomaineMéthodes
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

Citations5
Publié2013
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueRecherche en soins infirmiersMême sujetHealth Sciences Research and EducationTravaux en français237 207