What's in a name? The importance of definition and comparable data
Notice bibliographique
Résumé
BACKGROUND: The advent of a more planned approach to workforces has led to increased interest in knowing exactly what workforces do, how much they cost and who their members are. Heightened interest in health human resources has highlighted the need for accurate definitions of nurse and nursing role and emphasized the importance of accurate, valid and timely workforce data. AIM: This commentary addresses some of the statements made in this issue by Currie and Carr-Hill (pp. 67-74) who ask, 'What is a nurse? Is there an international consensus?' General remarks about the importance of nursing health services data are also provided. DISCUSSION: It is not surprising that nursing is struggling with standardization of definitions and role descriptions within and across countries. Globalization has intensified the need to understand complex relationships between systems such as education, finance and health that often differ from country to country. CONCLUSION: Professional and/or regulatory nursing associations can facilitate standardization of definitions and strengthen data collection; both of which are imperative. The more titles we create, the more difficult it becomes to have a generalized taxonomy of nursing services locally, nationally and internationally. Working closely with agencies like the International Council of Nurses and the World Health Organization may lead to a much-needed consensus on common indicators within and across countries. Given the large size of the nursing workforce worldwide, nurses can play an important role in the creation of comparable data that can be used to set policies that will affect the delivery of quality health care.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| 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 ».