Toward the Establishment of a Forensic Nursing Specialty in Brazil
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: Over the past two decades, Brazil has made progress in bringing political and community attention to issues related to violence. The recognition of links between violence and health has intensified calls to accelerate the development of a forensic nursing specialty in Brazil. AIM: The aim of this study was to systematically examine and synthesize the literature on the development of the forensic nursing specialty around the globe and to extract important lessons for the establishment of a forensic nursing specialty in Brazil. METHOD: An integrative review was conducted according to the method described by Whittmore and Knafl (2005). Electronic searches of the following databases were conducted between December 2012 and March 2013: CINAHL Plus with Full Text, Criminal Justice, Index to Legal periodicals, MEDLINE, Soc Index with Full Text, Social Work Abstracts, SCOPUS, and PsycINFO. The search terms used were: [(TI nurs* or SU nurs*) and [TI (forensic* or penal or prison*) or SU (forensic* or penal or prison*)] and (sexual assault nurse examiner*). Preestablished inclusion/exclusion criteria were used to select published articles for review. RESULTS: Twenty-three articles met inclusion criteria and were included in the full review. Important lessons for Brazil are discussed in terms of education and curricular issues and forensic psychiatric nursing. CONCLUSIONS: In Brazil, there is a window of opportunity to contribute the theoretical foundations of forensic nursing science and to advance nursing specialty practice in the areas of Sexual Assault Nurse Examiners and forensic psychiatric nurses.
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 | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 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