Clinical geography: nursing practice and the (re)making of institutional space
Notice bibliographique
Résumé
AIM: To present a geographical study that highlights the wide ranging spatial features of nursing agency. In turn, illustrate the further potential for geographical research to describe, support, challenge and guide clinical practice - particularly with regard to those 'everyday' activities and actions undertaken on a frequent basis. BACKGROUND: To provide a focus, and to anchor the study in existing clinical knowledge and debates, the role of nursing in the (re)making of institutional experiences and life is specifically explored. METHODS: In-depth semi-structured interviews were conducted with 15 nurses working in Buckinghamshire and West London, UK. The following specialties were represented: acute care including emergency (n = 3), midwifery (n = 3), children's nursing (n = 2), elderly care (n = 1), rehabilitation (n = 2), mental health (n = 3) and palliative care (n = 1). RESULTS: Nurses claimed to actively manipulate, normalize and recreate clinical spaces as part of their everyday therapeutic practice. Specifically, the range of agency employed by them falls under the following six categories: adjusting social composition; introducing 'normal' activities; providing private spaces; seeking private spaces; explaining clinical spaces; spaces for personal escape and wellbeing. IMPLICATIONS FOR NURSING MANAGEMENT: It is recommended that nurse leaders - including researchers, managers and clinical educators - explore geography as a source of social scientific evidence that sheds light on the complex nature of everyday professional practice. In this regard, some important disciplinary and structural issues are noted.
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 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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».