MétaCan
Menu
Retour à la cohorte
Enregistrement W2357570379 · doi:10.3233/978-1-61499-658-3-123

Advancing Nursing Informatics in the Next Decade: Recommendations from an International Survey

2016· article· en· W2357570379 sur OpenAlexaff
Maxim Topaz, Charlene Ronquillo, Laura‐Maria Peltonen, Lisiane Pruinelli, Martha K Badger, Adrienne Lewis, Mattias Georgsson, Jude L. Tayaben, Tasneem Islam, Janine Sommer, Dari Alhuwail

Notice bibliographique

RevueStudies in health technology and informatics · 2016
Typearticle
Langueen
DomaineHealth Professions
ThématiqueMobile Health and mHealth Applications
Établissements canadiensUniversity of VictoriaUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésInformaticsHealth informaticsComputer scienceNursingData scienceMedicinePolitical science

Résumé

récupéré en direct d'OpenAlex

In the summer of 2015, the International Medical Informatics Association Nursing Informatics Special Interest Group (IMIA NISIG) Student Working Group developed and distributed an international survey of current and future trends in nursing informatics. The survey was developed based on current literature on nursing informatics trends and translated into six languages. Respondents were from 31 different countries in Asia, Africa, North and Central America, South America, Europe, and Australia. This paper presents the results of responses to the survey question: "What should be done (at a country or organizational level) to advance nursing informatics in the next 5-10 years?" (n responders = 272). Using thematic qualitative analysis, responses were grouped into five key themes: 1) Education and training; 2) Research; 3) Practice; 4) Visibility; and 5) Collaboration and integration. We also provide actionable recommendations for advancing nursing informatics in the next decade.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,004
score de la tête « metaresearch » (Gemma)0,002
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,513
Score d'incertitude au seuil0,802

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0040,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,126
Tête enseignante GPT0,515
Écart entre enseignants0,388 · 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 tête enseignante, 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

Citations18
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueStudies in health technology and informaticsMême sujetMobile Health and mHealth ApplicationsTravaux en français237 207