MétaCan
Menu
Retour à la cohorte
Enregistrement W2802794898 · doi:10.1097/cin.0000000000000435

Development of the Canadian Nurse Informatics Competency Assessment Scale and Evaluation of Alberta's Registered Nurses' Self-perceived Informatics Competencies

2018· article· en· W2802794898 sur OpenAlexaffabout
Manal Kleib, Lynn Nagle

Notice bibliographique

RevueCIN Computers Informatics Nursing · 2018
Typearticle
Langueen
DomaineHealth Professions
ThématiqueElectronic Health Records Systems
Établissements canadiensUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésInformaticsHealth informaticsNursingMedical educationScale (ratio)MedicineHealth careHealth Administration InformaticsPsychologyKnowledge managementComputer sciencePolitical sciencePublic health

Résumé

récupéré en direct d'OpenAlex

In today's digitally enabled healthcare environment, it is vitally important to assess Canadian nurses' competency in informatics. The researchers developed the Canadian Nurse Informatics Competency Assessment Scale, a 21-item comprehensive measure based on entry-to-practice informatics competencies for registered nurses, to facilitate assessment of informatics competencies and consequent, planning of formal and continuing education in informatics. The Canadian Nurse Informatics Competency Assessment Scale was used in a cross-sectional survey to determine self-perceived informatics competencies for Alberta's practicing nurses. Results from 2844 completed surveys showed that these nurses perceived their overall informatics competency as slightly above the mark of competent. Perceptions of competency were highest on foundational information and communication technology skills, slightly lower on competencies related to professional regulatory accountability and the use of information and communication technologies in the delivery of patient care, and lowest on information and knowledge management competencies. This study shed some light on priority areas for informatics education among practicing nurses in Alberta. Implications for nursing practice and research are discussed.

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)0,006
score de la tête « metaresearch » (Gemma)0,011
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,987
Score d'incertitude au seuil0,329

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0060,011
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0020,002
Études des sciences et des technologies0,0020,001
Communication savante0,0010,000
Science ouverte0,0010,001
Intégrité de la recherche0,0000,001
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 Opus0,059
Tête enseignante GPT0,403
Écart entre enseignants0,343 · 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'étudeObservationnel
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

Citations44
Publié2018
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueCIN Computers Informatics NursingMême sujetElectronic Health Records SystemsTravaux en français237 207