MétaCan
Menu
Retour à la cohorte
Enregistrement W2472901909 · doi:10.3233/978-1-61499-658-3-934

How Do Information and Communication Technologies Influence Nursing Care?

2016· article· en· W2472901909 sur OpenAlexaff
Marie‐Pierre Gagnon, Julie Payne-Gagnon, Carl‐Ardy Dubois

Notice bibliographique

RevueStudies in health technology and informatics · 2016
Typearticle
Langueen
DomaineNursing
ThématiqueNursing Diagnosis and Documentation
Établissements canadiensUniversité de MontréalCentre hospitalier universitaire de QuébecCentre Hospitalier de l’Université de MontréalUniversité Laval
Organismes subventionnairesnon disponible
Mots-clésICTSDocumentationNursingNursing documentationInformation and Communications TechnologyNursing careQuality (philosophy)Inclusion (mineral)MedicinePsychologyComputer science

Résumé

récupéré en direct d'OpenAlex

Despite the well-known advantages of information and communication technologies (ICTs), their overall impact on nursing care has not been synthesized. The objective of this overview of systematic reviews is to summarize the best evidence regarding the effects of ICTs on nursing care. We considered quantitative, qualitative and mixed-method reviews published since January 1995. Two reviewers independently screened the title and abstract of 5515 papers to assess their eligibility. From these, 72 full-text papers were evaluated and 28 publications met the inclusion criteria. Three reviewers extracted and compared their data. Preliminary results show that the following dimensions of nursing care are the most frequently reported: assessment, care planning and evaluation, documentation time, quality of care and patient safety. This overview provides a starting point from which to compare and contrast findings of separate reviews regarding the positive, neutral and negative effects of ICTs on nursing care.

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)0,063
score de la tête « metaresearch » (Gemma)0,326
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,063
Score d'incertitude au seuil0,335

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0630,326
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0050,005
Bibliométrie0,0090,012
Études des sciences et des technologies0,0010,002
Communication savante0,0110,007
Science ouverte0,0020,002
Intégrité de la recherche0,0030,002
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,022
Tête enseignante GPT0,360
Écart entre enseignants0,338 · 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'étudeQualitatif
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

Citations6
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueStudies in health technology and informaticsMême sujetNursing Diagnosis and DocumentationTravaux en français237 207