Understanding context: A concept analysis
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
AIMS: To conduct a concept analysis of clinical practice contexts (work environments) in health care. BACKGROUND: Context is increasingly recognized as important to the development, delivery, and understanding of implementation strategies; however, conceptual clarity about what comprises context is lacking. DESIGN: Modified Walker and Avant concept analysis comprised of five steps: (1) concept selection; (2) determination of aims; (3) identification of uses of context; (4) determination of its defining attributes; and (5) definition of its empirical referents. METHODS: A wide range of databases were systematically searched from inception to August 2014. Empirical articles were included if a definition and/or attributes of context were reported. Theoretical articles were included if they reported a model, theory, or framework of context or where context was a component. Double independent screening and data extraction were conducted. Analysis was iterative, involving organizing and reorganizing until a framework of domains, attributes. and features of context emerged. RESULT: We identified 15,972 references, of which 70 satisfied our inclusion criteria. In total, 201 unique features of context were identified, of these 89 were shared (reported in two or more studies). The 89 shared features were grouped into 21 attributes of context which were further categorized into six domains of context. CONCLUSION: This study resulted in a framework of domains, attributes and features of context. These attributes and features, if assessed and used to tailor implementation activities, hold promise for improved research implementation in clinical 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 | 0,003 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,003 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,002 |
| 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