The evaluation of evidence‐informed changes to an internationally educated nurse registration process
Notice bibliographique
Résumé
AIM: To evaluate effectiveness of specific policy and practice changes to the process of registration for internationally educated nurses. BACKGROUND: Little research exists to inform registration policy for internationally educated health professionals. INTRODUCTION: Internationally educated nurse employment can help address nursing shortages. Regulators assess competencies for equivalency to Canadian-educated nurses, but differences in health systems, education and practice create challenges. METHODS: The study setting was a Canadian province. We used a mixed methods approach, with a pre-post-quasi-experimental design and a qualitative evaluation. Previous analysis of relationships between applicant variables, registration outcomes and timelines informed changes to our registration process. Implementation of these changes composes the intervention. Comparisons between pre- and post-implementation exemplar subgroups and timeline analyses were conducted using descriptive statistics, univariate analysis and non-parametric tests. Data were collected from complete application files before (n = 426) and after (n = 287) implementation of the intervention. Interviews, focus groups and consultations were completed with various stakeholders. FINDINGS: The time between steps in the process was significantly reduced following implementation. Stakeholders reported an increase in perceived efficiency, transparency and use of evidence. DISCUSSION: Results indicated that initial impacts of the policy changes streamlined the process for applicants and staff. CONCLUSION: Maintaining a consistent and systematic review of an organization's data coupled with implementation of findings to effect policy and practice change may have an important impact on regulatory policy. IMPLICATIONS FOR NURSING POLICY: These findings represent the beginning of an international policy conversation. Policy changes based on organizational data can underlie major process improvement initiatives. Ongoing nursing shortages across the globe and increasing mobility of nurses make it important to have efficient and transparent regulatory policy informed by evidence.
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 | 0,004 | 0,005 |
| 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 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».