MétaCan
Menu
Retour à la cohorte
Enregistrement W2120342461 · doi:10.1177/1049732314549026

Health Care Professionals Implementing a Smoke-Free Policy at Inpatient Psychiatric Units

2014· article· en· W2120342461 sur OpenAlexaffabout
Lyle George Grant, John L. Oliffe, Joy L. Johnson, Joan L. Bottorff

Notice bibliographique

RevueQualitative Health Research · 2014
Typearticle
Langueen
DomaineMedicine
ThématiqueSmoking Behavior and Cessation
Établissements canadiensOkanagan University CollegeUniversity of British Columbia, Okanagan CampusUniversity of British ColumbiaSaskatchewan Polytechnic
Organismes subventionnairesnon disponible
Mots-clésThematic analysisLocale (computer software)Psychiatric hospitalNursingEthnographyDocumentationHealth careParticipant observationAffect (linguistics)Health professionalsPsychologyMedicineQualitative researchPsychiatryPolitical scienceSociology

Résumé

récupéré en direct d'OpenAlex

Smoke-free grounds policies (SFGPs) were introduced to inpatient psychiatric hospital settings to improve health among patients, staff, and visitors. We conducted an ethnographic study in Northern British Columbia, Canada, to describe how the implementation of SFGPs is affected by institutional cultures. Data reported here included participant observation, document review, informal discussions (n = 11), and interviews with health care professionals (HCPs; n = 19) and staff (n = 2) at two hospitals. We used iterative and inductive processes to derive thematic findings. Findings related to HCPs illustrate how local contexts and cultural factors affect SFGP implementation. These factors included individual beliefs and attitudes, the influence of group norms, leadership and consensus building, and locale-specific norms. Strong, consultative leadership, in which leaders solicited input from and long-term support of people most directly responsible for policy implementation, was key to success.

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)0,009
score de la tête « metaresearch » (Gemma)0,014
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,161
Score d'incertitude au seuil0,320

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0090,014
Méta-épidémiologie (sens strict)0,0000,001
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0110,006
Communication savante0,0020,001
Science ouverte0,0010,004
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,396
Tête enseignante GPT0,630
Écart entre enseignants0,235 · 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'étudeQualitatif
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

Citations8
Publié2014
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueQualitative Health ResearchMême sujetSmoking Behavior and CessationTravaux en français237 207