The Irish nursing minimum data set for mental health – a valid and reliable tool for the collection of standardised nursing data
Notice bibliographique
Résumé
AIMS AND OBJECTIVES: To test the validity and reliability of the newly developed Irish Nursing Minimum Data Set for mental health (I-NMDS (MH)) to ensure its clinical usability. BACKGROUND: Internationally, difficulties exist in defining the contribution mental health nursing makes to patient care. Structured information systems, like the Nursing Minimum Data Set, have been developed internationally to gather standardised information to increase the visibility of nursing in the health care system. DESIGN: This study employed a quantitative, longitudinal research design. METHOD: A convenience sample of mental health nurses (n = 184) collected data on the nursing care of patients (n = 367) from care settings attached to 11 hospitals across Ireland. Exploratory factor analysis (EFA), ridit analysis and Cronbach's alpha coefficient were used to establish the construct and discriminative validity and scale score reliability of the I-NMDS (MH). RESULTS: Goodness of Fit scores indicated that the I-NMDS (MH) possesses good construct validity. Alpha coefficients for each factor were above the recommended 0.7 level. Ridit analysis inferred that the I-NMDS (MH) discriminated between elements of nursing care across acute inpatient and community based care settings. CONCLUSIONS: The I-NMDS (MH) possesses a sound theoretical base, has scale score reliability and possesses good discriminative validity. The valid and reliable I-NMDS (MH) is the first NMDS to be developed specifically for mental health. RELEVANCE TO CLINICAL PRACTICE: Data collected using the I-NMDS (MH) will increase the visibility of the contribution mental health nurses make to healthcare delivery. In addition, it will support evidence based practice in mental health to improve further the effectiveness of nursing care in the future.
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 | 0,010 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| 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 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 ».