Increasing research use in nursing: implications for clinical educators and managers
Notice bibliographique
Résumé
Increasing use of research in health care is a priority for stakeholders worldwide. National funding agencies such as the Canadian Health Services Research Foundation1 and the Canadian Institutes for Health Research2 have dedicated substantial resources to meeting this goal. Professional organisations3 ,4 actively encourage their members to integrate findings into practice. Similarly, the UK and USA have initiated comparable initiatives.5–7 This movement stems from a belief that incorporating research findings in clinical practice can improve patient outcomes while making health care more efficient. However, despite the many initiatives dedicated to implementing research findings in clinical practice, their success remains limited.8–10 There is little evidence-based guidance on how to improve research use in clinical practice.11 ,12 Modest effects are achieved, for example, with audit and feedback, reminders, and educational outreach, but results are often inconsistent10 and difficult to extrapolate to real-world settings. Recently, organisations, rather than individual practitioners, have been a focus of research uptake. However, in an overview of organisational interventions, Wensing et al found that, similar to interventions directed towards individuals (eg, audit and feedback, reminders), no organisational intervention is consistently effective.13 Overall, there is limited empirical guidance for those interested in increasing research use in clinical practice. In this Notebook, we summarise the findings of a systematic review of the effectiveness of interventions aimed at increasing research use in nursing14 and provide recommendations for nurse managers and educators based on current evidence. Our recommendations draw on 4 related bodies of literature: (1) evidence-based practice implementation strategies in health care (primarily medicine); (2) nurses’ sources of knowledge; (3) organisational characteristics; and (4) organisational boundaries. We conclude by briefly discussing 2 strategies that show promise: audit and feedback and local opinion leaders. The systematic review …
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 | 0,187 | 0,490 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,005 | 0,004 |
| Bibliométrie | 0,008 | 0,011 |
| Études des sciences et des technologies | 0,006 | 0,010 |
| Communication savante | 0,019 | 0,043 |
| Science ouverte | 0,008 | 0,017 |
| Intégrité de la recherche | 0,024 | 0,016 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,022 | 0,007 |
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 ».