MétaCan
Menu
Retour à la cohorte
Enregistrement W2737925552 · doi:10.1177/1074840717717731

Strengths-Based Nursing: A Process for Implementing a Philosophy Into Practice

2017· article· en· W2737925552 sur OpenAlexaff
Laurie N. Gottlieb, Bruce Gottlieb

Notice bibliographique

RevueJournal of Family Nursing · 2017
Typearticle
Langueen
DomaineHealth Professions
ThématiqueFamily and Patient Care in Intensive Care Units
Établissements canadiensMcGill UniversityJewish General Hospital
Organismes subventionnairesnon disponible
Mots-clésContext (archaeology)Process (computing)NursingEmpowermentValue (mathematics)CuriosityPsychologyPhase (matter)Health careKnowledge managementMedicinePublic relationsSocial psychologyPolitical scienceComputer science

Résumé

récupéré en direct d'OpenAlex

Strengths-Based Nursing (SBN) is both a philosophy and value-driven approach that can guide clinicians, educators, manager/leaders, and researchers. SBN is rooted in principles of person/family centered care, empowerment, relational care, and innate health and healing. SBN is family nursing yet not all family nursing models are strengths-based. The challenge is how to translate a philosophy to change practice. In this article, we describe a process of implementation that has organically evolved of a multi-layered and multi-pronged approach that involves patients and families, clinicians, educators, leaders, managers, and researchers as well as key stakeholders including union leaders, opinion leaders, and policy makers from both nursing and other disciplines. There are two phases to the implementation process, namely, Phase 1: pre-commitment/pre-adoption and Phase 2: adoption. Each phase consists of distinct steps with accompanying strategies. These phases occur both sequentially and concurrently. Facilitating factors that enable the implementation process include values which align, readiness to accept SBN, curiosity-courage-commitment on the part of early adopters, a critical mass of early adopters, and making SBN approach both relevant and context specific.

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)0,002
score de la tête « metaresearch » (Gemma)0,021
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche, 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: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,437
Score d'incertitude au seuil0,998

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,021
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0030,000
Communication savante0,0000,001
Science ouverte0,0010,000
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 Opus0,211
Tête enseignante GPT0,533
Écart entre enseignants0,322 · 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
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

Citations73
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Family NursingMême sujetFamily and Patient Care in Intensive Care UnitsTravaux en français237 207