A narrative evaluation of a community‐based nurse navigation role in an urban at‐risk community
Notice bibliographique
Résumé
AIMS: To explore community members' stories of their experiences with a Nurse Navigator programme serving an urban neighbourhood and primary care practice to address persistent health and social barriers adversely affecting health equity and well-being. BACKGROUND: In response to striking health and social inequalities existing across neighbourhoods in a large southern city in Ontario, Canada, a pilot programme was designed to improve health and social outcomes in a specific "at-risk" neighbourhood. The programme includes nurse-led navigation support for individuals and families and networking to facilitate improved service integration at a systems level. DESIGN: A narrative inquiry approach based on the Three-Dimensional Narrative Inquiry Space method, as described by Clandinin & Connelly (Narrative inquiry: Experience and story in qualitative research, ). METHODS: A thematic analysis of nine community members' life stories from narrative semi-structured interviews (January-June 2014) in conjunction with field notes, observations and documents. Participants' life stories created a common narrative of the experience of navigation in a community setting. FINDINGS: There were four main themes: "opening the door"; "more than just a conversation"; "making connections"; and "on a new trajectory". Participants valued the development of a therapeutic relationship, which optimized social inclusion, barrier reduction and connectivity to supportive health and social services. CONCLUSIONS: The relational process of navigation as an antecedent to barrier reduction has direct implications for programme development, continuing education of navigators and quality improvement of existing navigation services. Study findings have implications for development of navigation competencies for nurses working with priority populations to address health inequities.
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 | 0,008 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,004 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,003 |
| 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 ».