International Differences in Nursing Research, 2005–2006
Notice bibliographique
Résumé
PURPOSE: To compare the characteristics of nursing research being done in different countries, using data from studies published in nonspecialty, English-language nursing journals. DESIGN: Data for this cross-sectional analysis were retrieved from a consecutive sample of 1,072 studies published in eight leading English-language research journals in 2005 and 2006. METHODS: For each study, data were extracted on the characteristics of the study participants and authors, study focus-specialty area, funding, and methodologic attributes. Studies from 15 countries or regional groupings were compared. FINDINGS: International differences in authors, participants, and study characteristics were typically large and statistically significant. Studies that were focused on nurses were especially prevalent in Europe, Australia, and Canada, whereas patient-centered studies were most common in Asian countries and the US. Qualitative studies were predominant in Norway, Sweden, and the UK. Asian nurse researchers, by contrast, undertook mostly quantitative studies, and were especially likely to conduct intervention research. Significant country differences existed in the omission of demographic (age and sex) information about participants, with omissions most prevalent in the UK and Ireland and least prevalent in Asian countries. Research funding was reported for 62% of all studies, ranging from 13% in Turkey to over 75% in Canada and the US. CONCLUSIONS: Although this study had several limitations, especially with regard to potential biases in the sample of studies from non-English-speaking countries, this analysis of over 1,000 nursing studies indicates many important inter-country differences in the focus, methods, and authorship patterns of nursing research published in leading journals. CLINICAL RELEVANCE: Because research "informs" practice, international differences that exist in the focus and methods of nursing research have implications for nursing practice in the respective countries.
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 | 0,035 | 0,084 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,010 | 0,020 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,003 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 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 ».