MétaCan
Menu
← Retour à la cohorte
Enregistrement W2425608349

[Positive deviance: concept analysis using the evolutionary approach of Rodgers].

2013· article· en· W2425608349 sur OpenAlexaff
Josiane Létourneau, Marie Alderson, Chantal Caux, Lucie Richard

Notice bibliographique

RevuePubMed · 2013
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueVaccine Coverage and Hesitancy
Établissements canadiensUniversité de Montréal
Organismes subventionnairesnon disponible
Mots-clésPositive devianceDeviance (statistics)CINAHLFormal concept analysisHealth careLimitingNoticeNursing practicePsychologyNursingSociologyMedicineComputer sciencePsychological interventionLawPolitical science
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Positive deviance is a relatively new concept in healthcare. Since 2006, it has been applied to infection control in order to increase the awareness to good hand hygiene practices. This article focus on presenting analytical results of this concept using the evolutionary approach of Rodgers based on the philosophical postulate that concepts are dynamical and changing with time. For doing so, a census of the writings in nursing, medicine and psychology was carried out. By going through the CINAHL, Medline and PsyclNFO databases using positive deviance as a keyword for the time period: 1975 to May 2012, and in accordance with the method of Rodgers, ninety articles were retained (30 per discipline). The analysis enables one to notice that positive deviance described as an individual characteristic at first, is now used as a behavioral changing approach in nursing and medicine as well. At the end of the analysis and apart from this article, positive deviance will be used in order to study the practice of nurses that adheres to hand hygiene despite limiting constraints within hospital. We will then be able to continue the development of this concept in order to bring it, as Rodgers recommends, beyond the analysis. It would then be an important contribution to good nursing practices in the field of infection control and prevention.

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)0,025
score de la tête « metaresearch » (Gemma)0,054
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 enseignants0,025
Score d'incertitude au seuil0,131

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0250,054
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,002
Bibliométrie0,0210,024
Études des sciences et des technologies0,0030,011
Communication savante0,0070,010
Science ouverte0,0020,005
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0050,001

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 Opus0,031
Tête enseignante GPT0,263
Écart entre enseignants0,232 · 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

Citations0
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePubMed→Même sujetVaccine Coverage and Hesitancy→Travaux en français237 207→