HELENE HUDSON LECTURESHIP: Developing a provincial cancer patient navigation program utilizing a quality improvement approach Part two: Developing a Navigation Education Framework
Notice bibliographique
Résumé
In 2012, the provincial cancer agency in Alberta initiated a provincial quality improvement project to develop, implement, and evaluate a provincial cancer navigation program spanning 15 sites across more than 600,000 square kilometres. This project was selected for two years of funding (April 2012-March 2014) by the Alberta Cancer Foundation (ACF) through an Enhanced Care Grant process (ACF, 2015). A series of articles has been created to capture the essence of this quality improvement (QI) project, the processes that were undertaken, the standards developed, the education framework that guided the orientation of new navigator staff, and the outcomes that were measured. The first article in this series focused on establishing the knowledge base that guided the development of this provincial navigation program and described the methodology undertaken to implement the program across 15 rural and isolated urban cancer care delivery sites (Anderson et al., 2016). This article, the second in the series, delves into the education framework that was developed to guide the competency development and orientation process for the registered nurses who were hired into cancer patient navigator roles and how this framework has evolved to support navigators, as they move from novice to expert practice. The third and final article will explore the outcomes that were achieved through this quality improvement project culminating with a discussion section highlighting key learnings, adaptations made, and next steps underway to broaden the scope and impact of the provincial navigation program.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».