Assessment of Rigour in Published Nursing Intervention Studies that Use Observational Methods
Notice bibliographique
Résumé
Unstructured observation involving “going into the field” to describe and analyze what is seen and heard, may be an underutilized method in nursing research. The role of the observer, the nature of the observations, data sources, systematic recording and analysis of observations, appropriate analysis of the data, and corroboration of findings are important considerations when ensuring rigour in observational methods. However, the description of observational techniques and methods provided in published accounts of qualitative research is sparse, and it is therefore difficult to evaluate the truthfulness, credibility, and trustworthiness of many research studies. Observational methods can address discrepancies between what people say and what they actually do, and they can capture the context in which nurses practice. Little is known about the oral hygiene care practices of nurses caring for hospitalized older adults with longer lengths of stay, despite the link between poor oral hygiene and systemic illness. To date, the oral hygiene care provided by nurses has not been directly observed, nor have unstructured observational techniques been used to observe any caregivers providing such interventions. In the absence of studies related to oral hygiene care, an integrative review of the literature has been undertaken to critically analyze how rigour was ensured in qualitative or mixed - methods studies in which observational methods were used to study nurses as they provided other types of basic nursing interventions. Whittemore and Knafl’s revised integrative review method was utilized, and criteria that would indicate rigour in a study were gleaned from the literature to create a framework for analysis.
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 | 0,010 | 0,003 |
| 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 | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».