MétaCan
Menu
Retour à la cohorte
Enregistrement W2103588988 · doi:10.1177/0193945910375819

Community Health Nursing Vision for 2020

2010· article· en· W2103588988 sur OpenAlexaffabout
Ruth Schofield, Rebecca Ganann, Sandy Brooks, Jennifer McGugan, Kim Dalla Bona, Claire Betker, Katie Dilworth, Laurie Parton, Cheryl Reid‐Haughian, Marlene Slepkov, Cori Watson

Notice bibliographique

RevueWestern Journal of Nursing Research · 2010
Typearticle
Langueen
DomaineNursing
ThématiqueNursing Education, Practice, and Leadership
Établissements canadiensVictorian Order of NursesCARE CanadaToronto Public HealthRegistered Nurses' Association of OntarioThunder Bay Regional Health Sciences CentreProvincial Health Services AuthorityMcMaster University
Organismes subventionnairesnon disponible
Mots-clésNursingExcellenceCommunity healthHealth careFocus groupNursing researchPublic healthQualitative researchMedicineSociologyPolitical science

Résumé

récupéré en direct d'OpenAlex

As health care is shifting from hospital to community, community health nurses (CHNs) are directly affected. This descriptive qualitative study sought to understand priority issues currently facing CHNs, explore development of a national vision for community health nursing, and develop recommendations to shape the future of the profession moving toward the year 2020. Focus groups and key informant interviews were conducted across Canada. Five key themes were identified: community health nursing in crisis now, a flawed health care system, responding to the public, vision for the future, and CHNs as solution makers. Key recommendations include developing a common definition and vision of community health nursing, collaborating on an aggressive plan to shift to a primary health care system, developing a comprehensive social marketing strategy, refocusing basic baccalaureate education, enhancing the capacity of community health researchers and knowledge in community health nursing, and establishing a community health nursing center of excellence.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,015
score de la tête « metaresearch » (Gemma)0,009
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,079
Score d'incertitude au seuil0,157

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0150,009
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0120,006
Communication savante0,0120,007
Science ouverte0,0020,016
Intégrité de la recherche0,0080,009
Charge utile insuffisante (le modèle a refusé de juger)0,0070,002

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.

Tête enseignante Opus0,186
Tête enseignante GPT0,535
Écart entre enseignants0,349 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeThéorique ou conceptuel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations31
Publié2010
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueWestern Journal of Nursing ResearchMême sujetNursing Education, Practice, and LeadershipTravaux en français237 207