MétaCan
Menu
Retour à la cohorte
Enregistrement W2952630109 · doi:10.12927/cjnl.2019.25849

Optimizing Licensed Practical Nurses in Home Care: Their Role, Scope and Opportunities

2019· article· en· W2952630109 sur OpenAlexaffvenueabout
Kimberly D. Fraser, Neelam Saleem Punjani, Beth Wilkey, Susan Labonte, Sarah A. Lartey, Janine Gubersky, Kimberly Nickoriuk, Szjermae Joseph, Sarah Younus, John Miklavcic

Notice bibliographique

RevueNursing leadership · 2019
Typearticle
Langueen
DomaineHealth Professions
ThématiqueGeriatric Care and Nursing Homes
Établissements canadiensInterior HealthAlberta HealthUniversity of AlbertaAlberta Health ServicesAthabasca University
Organismes subventionnairesnon disponible
Mots-clésScope (computer science)Scope of practiceNursingCase managementData collectionFocus groupParticipant observationBusinessPsychologyKnowledge managementMedical educationProcess managementMedicineHealth careSociologyComputer sciencePolitical scienceMarketing

Résumé

récupéré en direct d'OpenAlex

This research examined the role and scope of licensed practical nurses (LPNs) in home care (HC) and case management. Case management is relatively new to LPNs in Alberta having been added to their list of competencies in 2015. The extent to which LPNs are performing functions and the circumstances or criteria that shape their reported case management functions and role are not clear. Our research questions were: a) What roles do LPNs play within HC and case management? and b) What roles could LPNs play within HC and case management given their scope of practice to achieve optimal client outcomes and system efficiencies? We used a mixed methods multiple case study design to engage LPNs in case management practice, their managers and HC leaders from rural, urban and suburban HC offices. Approaches for data collection included semi-structured interviews, participant observation, focus groups, document review and survey.

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)0,015
score de la tête « metaresearch » (Gemma)0,025
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,015
Score d'incertitude au seuil0,079

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0150,025
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0020,003
Communication savante0,0040,003
Science ouverte0,0010,006
Intégrité de la recherche0,0010,001
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 Opus0,271
Tête enseignante GPT0,399
Écart entre enseignants0,128 · 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'étudeQualitatif
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

Citations2
Publié2019
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueNursing leadershipMême sujetGeriatric Care and Nursing HomesTravaux en français237 207