MétaCan
Menu
Retour à la cohorte
Enregistrement W2126498976 · doi:10.1186/1748-5908-7-122

The role of organizational context and individual nurse characteristics in explaining variation in use of information technologies in evidence based practice

2012· article· en· W2126498976 sur OpenAlexaff
Diane Doran, Brian Haynes, Carole A. Estabrooks, André Kushniruk, Adam Dubrowski, Irmajean Bajnok, Linda M. Hall, Mingyang Li, Dawn Jedras, Yu Bai

Notice bibliographique

RevueImplementation Science · 2012
Typearticle
Langueen
DomaineHealth Professions
ThématiqueHealth Sciences Research and Education
Établissements canadiensRegistered Nurses' Association of OntarioUniversity of TorontoSickKids FoundationUniversity of VictoriaUniversity of AlbertaMcMaster University
Organismes subventionnairesnon disponible
Mots-clésHealth informaticsHealth administrationContext (archaeology)MedicineMultilevel modelHealth information technologyHealth services researchNursing researchHealth careNursingEarly adopterPublic healthKnowledge managementMarketingBusinessComputer science

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: There is growing awareness of the role of information technology in evidence-based practice. The purpose of this study was to investigate the role of organizational context and nurse characteristics in explaining variation in nurses' use of personal digital assistants (PDAs) and mobile Tablet PCs for accessing evidence-based information. The Promoting Action on Research Implementation in Health Services (PARIHS) model provided the framework for studying the impact of providing nurses with PDA-supported, evidence-based practice resources, and for studying the organizational, technological, and human resource variables that impact nurses' use patterns. METHODS: A survey design was used, involving baseline and follow-up questionnaires. The setting included 24 organizations representing three sectors: hospitals, long-term care (LTC) facilities, and community organizations (home care and public health). The sample consisted of 710 participants (response rate 58%) at Time 1, and 469 for whom both Time 1 and Time 2 follow-up data were obtained (response rate 66%). A hierarchical regression model (HLM) was used to evaluate the effect of predictors from all levels simultaneously. RESULTS: The Chi square result indicated PDA users reported using their device more frequently than Tablet PC users (p = 0.001). Frequency of device use was explained by 'breadth of device functions' and PDA versus Tablet PC. Frequency of Best Practice Guideline use was explained by 'willingness to implement research,' 'structural and electronic resources,' 'organizational slack time,' 'breadth of device functions' (positive effects), and 'slack staff' (negative effect). Frequency of Nursing Plus database use was explained by 'culture,' 'structural and electronic resources,' and 'breadth of device functions' (positive effects), and 'slack staff' (negative). 'Organizational culture' (positive), 'breadth of device functions' (positive), and 'slack staff '(negative) were associated with frequency of Lexi/PEPID drug dictionary use. CONCLUSION: Access to PDAs and Tablet PCs supported nurses' self-reported use of information resources. Several of the organizational context variables and one individual nurse variable explained variation in the frequency of information resource use.

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)0,055
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,015
Score d'incertitude au seuil0,082

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0150,055
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,002
Études des sciences et des technologies0,0010,001
Communication savante0,0020,001
Science ouverte0,0010,002
Intégrité de la recherche0,0010,001
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 Opus0,237
Tête enseignante GPT0,553
Écart entre enseignants0,316 · 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'étudeObservationnel
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

Citations53
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueImplementation ScienceMême sujetHealth Sciences Research and EducationTravaux en français237 207