MétaCan
Menu
Retour à la cohorte
Enregistrement W2865173861 · doi:10.1111/nin.12250

Nursing activities for patients with chronic disease in family medicine groups: A multiple‐case study

2018· article· en· W2865173861 sur OpenAlexaffabout
Marie‐Eve Poitras, Maud‐Christine Chouinard, Martin Fortin, Ariane Girard, Sue Crossman, Frances Gallagher

Notice bibliographique

RevueNursing Inquiry · 2018
Typearticle
Langueen
DomaineMedicine
ThématiqueChronic Disease Management Strategies
Établissements canadiensUniversité de SherbrookeCentre Intégré Universitaire de Santé et de Services Sociaux du Saguenay–Lac-Saint-JeanUniversité du Québec à Chicoutimi
Organismes subventionnairesnon disponible
Mots-clésNursingMedicinePromotion (chess)Qualitative researchFamily medicine

Résumé

récupéré en direct d'OpenAlex

Family Medicine Groups (FMGs) are the most recently developed primary care organizations in Quebec (Canada). Nurses within FMGs play a central role for patients with chronic diseases (CD). However, this complex role and the nursing activities related to this role vary across FMGs. Inadequate knowledge of nursing activities limits the implementation of exemplary nursing practices. This study aimed to describe FMG nursing activities with patients with CD and to describe the facilitators and barriers to these activities. A multiple-case study was performed with ten nurses practicing among patients with CD in FMGs. Five data sources were used to provide an in-depth description of nursing activities and the facilitators and barriers to the development of these activities. After qualitative data analysis, findings show that nursing activities are clustered into five domains: Global assessment of the patient, Care management, Health promotion, Nurse-physician collaboration, and Planning services for patients with CD. Activities vary depending on contextual factors identified in each case. This multiple-case study provides a clear description of nursing activities with patients with CD. There is a need for improved nursing activities and expertise in domains of activities that are less present in FMGs, such as case management and interprofessional collaboration.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
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 enseignants0,150
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,075
Tête enseignante GPT0,379
Écart entre enseignants0,304 · 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'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

Citations40
Publié2018
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueNursing InquiryMême sujetChronic Disease Management StrategiesTravaux en français237 207