MétaCan
Menu
Retour à la cohorte
Enregistrement W2896337643 · doi:10.12927/cjnl.2018.25602

Advancing Family Practice Nursing in Canada: An Environmental Scan of International Literature and National Efforts towards Competency Development

2018· review· en· W2896337643 sur OpenAlexaffvenueabout
Julia Lukewich, Samantha Taylor, Marie-Ève Poitras, Ruth Martin‐Misener

Notice bibliographique

RevueNursing leadership · 2018
Typereview
Langueen
DomaineHealth Professions
ThématiqueFamily and Patient Care in Intensive Care Units
Établissements canadiensDalhousie UniversityUniversité du Québec à ChicoutimiMemorial University of Newfoundland
Organismes subventionnairesnon disponible
Mots-clésCLARITYNursingNursing practiceSoftware deploymentNursing researchMedicineNurse educationPsychology

Résumé

récupéré en direct d'OpenAlex

Family practice nurses (also known as primary care nurses) are registered nurses who practice in primary healthcare and function as generalists who provide a broad range of health services, including preventative screening, health education, chronic disease management, care coordination, and system navigation. This paper reports on the current state of family practice nursing in Canada and findings from an environmental scan of literature focused on family practice nursing competency development internationally. Overall, there is a lack of clear information regarding the deployment of family practice nurses in Canada and a lack of clarity about their role in primary healthcare teams. Although family practice nurses play a key role within interprofessional primary healthcare teams, the degree to which family practice nurses have been integrated into primary healthcare varies substantially across provinces/territories. Our environmental scan indicates that the development of family practice nursing competencies is occurring internationally. The steps being taken to develop a defined set of national Canadian family practice nursing competencies are described and implications for policy, administration, leadership, education and patients 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)0,005
score de la tête « metaresearch » (Gemma)0,012
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,968
Score d'incertitude au seuil0,313

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0050,012
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0080,018
Études des sciences et des technologies0,0030,002
Communication savante0,0030,002
Science ouverte0,0010,002
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,248
Tête enseignante GPT0,419
Écart entre enseignants0,171 · 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'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations16
Publié2018
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueNursing leadershipMême sujetFamily and Patient Care in Intensive Care UnitsTravaux en français237 207