MétaCan
Menu
Retour à la cohorte
Enregistrement W2405456518 · doi:10.3233/978-1-61499-415-2-356

Developing Entry-to-Practice Nursing Informatics Competencies for Registered Nurses

2014· article· en· W2405456518 sur OpenAlexaffabout
Lynn Nagle, Kristine Crosby, Noreen Frisch, Elizabeth M. Borycki, Lorie Donelle, Kathryn Hannah, Alexandra Harris, Tracy Shaben

Notice bibliographique

RevueStudies in health technology and informatics · 2014
Typearticle
Langueen
DomaineHealth Professions
ThématiqueElectronic Health Records Systems
Établissements canadiensWestern UniversityAlberta Health ServicesUniversité de SherbrookeUniversity of VictoriaAdministrative Sciences Association of CanadaUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésInformation and Communications TechnologyInformaticsHealth informaticsNursingWork (physics)Health careMedicineHealthcare deliveryInformation technologyMedical educationProcess (computing)Knowledge managementComputer sciencePolitical scienceEngineeringPublic health

Résumé

récupéré en direct d'OpenAlex

Information and communication technologies (ICT) have brought about significant changes to the processes of health care delivery and changed how nurses perform in clinical, administrative, academic, and research settings. Because the potential benefits of ICT are significant, it is critical that new nurses have the knowledge and skills in informatics to provide safe and effective care. Despite the prevalence of technology in our day to day lives, and the potential significant benefits to patients, new nurses may not be prepared to work in this evolving reality. An important step in addressing this need for ICT preparation is to ensure that new graduates are entering the work force ready for technology-enabled care environments. In this paper, we describe the process and outcomes of developing informatics entry-to-practice competencies for adoption by Canadian Schools of Nursing.

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)0,005
score de la tête « metaresearch » (Gemma)0,009
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche, Méta-épidémiologie (sens strict), Études des sciences et des technologies
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,671
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0050,009
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0020,000
Communication savante0,0000,000
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 Opus0,182
Tête enseignante GPT0,522
Écart entre enseignants0,340 · 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.

Devis d'étudeSans objet
Domainenon disponible
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations34
Publié2014
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueStudies in health technology and informaticsMême sujetElectronic Health Records SystemsTravaux en français237 207