MétaCan
Menu
Retour à la cohorte
Enregistrement W2985031252 · doi:10.1111/nin.12324

The business of managing nurses’ substance‐use problems

2019· article· en· W2985031252 sur OpenAlexaffabout
Charlotte A. Ross, Sonya L. Jakubec, Nicole S. Berry, Victoria Smye

Notice bibliographique

RevueNursing Inquiry · 2019
Typearticle
Langueen
DomaineMedicine
ThématiqueOpioid Use Disorder Treatment
Établissements canadiensWestern UniversityMount Royal UniversitySimon Fraser UniversityDouglas College
Organismes subventionnairesnon disponible
Mots-clésExperiential learningPower (physics)EthnographyPublic relationsExperiential knowledgeNursingHealth careQuality (philosophy)Business as usualPsychologyEngineering ethicsMedical educationSociologyPolitical scienceMedicinePedagogyLawManagement

Résumé

récupéré en direct d'OpenAlex

Nurses' experiences in, and the overall effectiveness of, widely used alternative-to-discipline programs to manage nurses' substance-use problems have not been adequately scrutinized. We uncovered the conflicted official and experiential ways of knowing one such alternative-to-discipline program in a Canadian province. We explicated this conflict through an institutional ethnography analysis. Ethnographic data from interviews with 12 nurses who were enrolled in an alternative-to-discipline treatment program and three program administrators, as well as institutional texts, were analyzed to explore how institutional practices and power relations co-ordinated and managed nurses' experiences. Analysis revealed the acritical acceptance of a standardized program not based on current norms of practice. Potential and actual conflicts of interest, power imbalances, and prevailing corporate interests were rife. Nurses were not afforded the same rights to quality ethical health care as other citizens. 'Expert' physicians' knowledge was privileged while nurses' knowledge was subordinated. Conclusions were that regulatory bodies cannot rely on the taken-for-granted standardized treatment model in widespread use. Individualized treatment alternatives reflecting current, scientific evidence must be offered to nurses, and nurses' knowledge, expertise, and experiences need to be included in decision-making processes in these programs.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,396
Score d'incertitude au seuil0,406

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,033
Tête enseignante GPT0,305
Écart entre enseignants0,272 · 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 tête enseignante, 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

Citations12
Publié2019
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueNursing InquiryMême sujetOpioid Use Disorder TreatmentTravaux en français237 207