MétaCan
Menu
← Retour à la cohorte
Enregistrement W2968884342 · doi:10.5430/jnep.v9n12p13

Collaboration is key to success for transition of newly licensed nurses to specialty areas

2019· article· en· W2968884342 sur OpenAlexvenueno aff
Jo-Anne Senneff, Carol LaMonica-Way, Krendi Walls, Harvinder Kaur, Susan Kilbourn, Janice McKay

Notice bibliographique

RevueJournal of Nursing Education and Practice · 2019
Typearticle
Langueen
DomaineHealth Professions
ThématiqueInterprofessional Education and Collaboration
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésSpecialtyNurse practitionersNursingKey (lock)Medical educationTransition (genetics)Career PathwaysPsychologyElement (criminal law)MedicineFamily medicineComputer sciencePolitical scienceHealth care

Résumé

récupéré en direct d'OpenAlex

Newly licensed nurses gain knowledge and skills at the academic level to enter the profession as novice nurses. A nurse residency program is crucial in the successful transition of new nurses to their professional role. In addition, supportive structures are essential for new nurses to acquire the skills, knowledge, and decision-making abilities appropriate for their specific area of practice. At Houston Methodist, an additional element of the nurse residency program includes transition to practice classes that are designed to increase new nurses’ knowledge and understanding of relevant skills. The classes provide practice in specific environments and improve self-confidence with elements identified through Casey-Fink surveys. In addition to the initial classes developed to support these areas, feedback showed the need to incorporate specific classes for specialized environments. As a result, the coordinators of the nurse residency program, experts, and leaders from specialty areas explored and developed specific learning opportunities. The aim of this article is to showcase the strategies used to develop customized approaches to ensure successful transitions to practice for newly licensed nurses.

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)0,016
score de la tête « metaresearch » (Gemma)0,037
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,016
Score d'incertitude au seuil0,083

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0160,037
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0110,004
Communication savante0,0100,006
Science ouverte0,0020,021
Intégrité de la recherche0,0030,006
Charge utile insuffisante (le modèle a refusé de juger)0,0110,005

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 Opus0,060
Tête enseignante GPT0,527
Écart entre enseignants0,467 · 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'étudeObservationnel
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

Citations1
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Nursing Education and Practice→Même sujetInterprofessional Education and Collaboration→Travaux en français237 207→