The nursing profession in Sri Lanka: time for policy changes
Notice bibliographique
Résumé
AIM: We address issues and challenges in nursing in Sri Lanka with the aim of identifying where and how policy changes need to be made. BACKGROUND: Increased global interconnectivity calls for professional leadership, research, education, and policy reform in nursing as these are identified as enhancing health workforce performance and professionalization, thereby improving health systems. SOURCES OF EVIDENCE: We draw on first-hand knowledge of health care and nursing in Sri Lanka and a recent survey of nurses at a large urban government hospital in Sri Lanka, followed by discussion and proposed action on themes identified through analysis of published and unpublished literature about the nursing profession. DISCUSSION: Policy and action are needed to: (a) establish mandatory nurse licensure in the public and private healthcare sectors; (b) implement realistic policies to further develop nursing education; (c) develop a professionalization process to support nursing autonomy and voice; and (d) promote systematic processes for educational accreditation, curriculum revision, continuing professional development, evidence-based practice, research, leadership, and information systems. CONCLUSION: There is a policy vacuum that requires careful analysis and strategic planning by formal nurse leaders. IMPLICATIONS FOR NURSING AND HEALTH POLICY: Implementing change will require political and professional power and strategic, innovative, and evolutionary policy initiatives as well as organizational infrastructure modifications best achieved through committed multidisciplinary collaboration, augmented research capacity, bolstered nursing leadership, and promotion of partnerships with policy makers.
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 | 0,001 |
| 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 | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».