Notice bibliographique
Résumé
This text is based on the Joanna Briggs Oration, given at the 2005 Joanna Briggs International Conference, Adelaide, Australia. It is printed here with permission. This paper provides an opportunity to reflect on evidence-based nursing. Where have we been? How far we have come? What are the current issues, and where are we going in terms of incorporating high quality evidence into clinical, education, management, and policy decisions? Is evidence-based nursing a passing fad, or does it contribute to quality, efficient health care? Although the use of evidence is often recommended in relation to healthcare reform, institutional change, healthcare practitioner competence, or healthcare practitioner education, opponents argue that there is no evidence that evidence-based healthcare makes a difference. There are no sensitive system indicators; healthcare costs are highly influenced by the adoption and spread of technology; and mortality and morbidity are also influenced by many factors. Yet, evidence-based health care should have an impact on all 3 of these outcomes. One of the earliest reviews to assess the effect of research based nursing practice on patient outcomes identified 84 relevant studies and showed “sizeable gains” in patients’ behavioural, knowledge, physiological, and psychosocial outcomes compared with patients who received routine nursing care.1 However, evidence-based nursing is more than research utilisation. It is the incorporation of the best research evidence along with patient preferences, the clinical setting and circumstances, and healthcare resources into decisions about patient care.2 More recently, Thomas et al updated their review of the use of guidelines by healthcare practitioners other than physicians. They identified 18 studies of 467 healthcare providers (participants were nurses in all but 1 study). Although reporting of methods was poor in all included studies, 3 of 5 studies found improvements in at least some processes of care, and 6 of 8 studies …
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 | 0,110 | 0,226 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,002 |
| Méta-épidémiologie (sens large) | 0,007 | 0,003 |
| Bibliométrie | 0,008 | 0,011 |
| Études des sciences et des technologies | 0,007 | 0,017 |
| Communication savante | 0,039 | 0,056 |
| Science ouverte | 0,007 | 0,010 |
| Intégrité de la recherche | 0,026 | 0,051 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,010 | 0,006 |
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 ».