The current state of Nursing Informatics – An international cross-sectional survey
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
An international survey to explore current and future trends in Nursing Informatics (NI) was done in 2015. This article explores responses to questions about: what should be done to further develop NI as an independent discipline; existing policies and standards influencing NI; perceived support towards NI as a discipline; and advice from NI specialists to students and emerging professionals. Nurse and allied health professionals in academia and practice were reached with snowball sampling. Open-ended questions were analysed with thematic content analysis and the mean and standard deviation is reported for the perceived support towards NI (scale ranging from 1 (not at all supportive) to 10 (very supportive)). A total of 507 respondents from 46 countries responded to the survey. Respondents reported mediocre support towards NI from the environment (M 5.79, SD 2.60). Results showed that NI education needs development to better meet practice demands, that current NI resources seem insufficient, that NI expertise is not used to its full potential in health institutions and the community, and that NI needs to show its value through research and increase visibility to be recognised among stakeholders worldwide. In conclusion, there is a need to clarify NI as a discipline and a need for strong leadership to impact policy making. An increase in NI teaching at undergraduate level in nursing as well as an increase in postgraduate NI programmes worldwide would better support practice demands. National policies and international white papers in NI are needed to guide resource distribution to better support practice.
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.
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 | 0,000 |
| 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 | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 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 découle