MétaCan
Menu
Retour à la cohorte
Enregistrement W2169009478 · doi:10.1093/gerona/57.7.m438

The Future History of Gerontological Nursing

2002· article· en· W2169009478 sur OpenAlexfundno aff
M. Mezey, Terry Fulmer

Notice bibliographique

RevueThe Journals of Gerontology Series A · 2002
Typearticle
Langueen
DomaineMedicine
ThématiqueFrailty in Older Adults
Établissements canadiensnon disponible
Organismes subventionnairesYork UniversityHartford Foundation for Public GivingJohn A. Hartford Foundation
Mots-clésNursingGerontological nursingMedicineCertificationEconomic shortageGeriatric careGeriatricsFamily medicine

Résumé

récupéré en direct d'OpenAlex

Having established an academic and clinical infrastructure, geriatric nursing is well positioned to play a central role in improving the health of the nation's older adults now and in the future. Currently, whether working independently, in collaborative practice with physicians, or as members of geriatric teams, geriatric nurse practitioners and clinical specialists have been shown to improve care to older adults in the community, in hospitals, and in skilled nursing facilities. Sixty-three master's programs now prepare advanced practice geriatric nurses. Geriatric nurse researchers have contributed to our understanding of the most pressing problems that impact profoundly on the health and quality of life of older adults. Despite these advances, the number of geriatric nurse specialists remains small, with only 4200 certified specialists and a serious shortage of geriatric nursing faculty. Geriatric nursing is moving to ensure geriatric competency in all nurses who work with older adults in the future. The future should see the benefits of current efforts to infuse geriatric content into baccalaureate programs that prepare registered nurses, into master's programs that prepare adult and family nurse practitioners, and into the day-to-day practice of the nation's 2.2 million practicing registered nurses.

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)0,004
score de la tête « metaresearch » (Gemma)0,006
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,015
Score d'incertitude au seuil0,050

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,006
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0020,002
Études des sciences et des technologies0,0040,007
Communication savante0,0060,006
Science ouverte0,0010,003
Intégrité de la recherche0,0050,007
Charge utile insuffisante (le modèle a refusé de juger)0,0150,003

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 Opus0,075
Tête enseignante GPT0,314
Écart entre enseignants0,239 · 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'étudeThéorique ou conceptuel
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

Citations32
Publié2002
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe Journals of Gerontology Series AMême sujetFrailty in Older AdultsTravaux en français237 207