Using web-based training to optimize pediatric palliative care knowledge transfer
Notice bibliographique
Résumé
<p class="p1"><span class="s1">N</span>urses play a central role in delivering palliative care, given their influence on the quality of care provided (Montgomery, Sawin, & Hendricks-Ferguson, 2016). They are professionals of choice when it comes to assessing disease symptoms or psychological distress, ensuring symptoms are managed effectively, as well as accompanying patients and families through the decision-making process regarding both adult and pediatric care (Contro, Larson, Scofield, Sourkes, & Cohen, 2004). Optimal palliative care practices can prevent or alleviate the suffering of patients of all ages at the end of life, particularly if the care includes the assessment of symptoms and provides the patient and his or her family with psychological and social support (Qaseem et al., 2008). Although the majority of patients receiving palliative care are adults, more than 4,000 children in Canada have an incurable disease for which they will require quality palliative care (Widger, Cadell, Davies, Siden, & Steele, 2012). However, a number of studies carried out with nurses have revealed that they experience anxiety with regard to the pediatric palliative care (PPC) they deliver (Mullen, Reynolds, & Larson, 2015) and difficulties communicating with families of patients (Montgomery et al., 2017), as well as managing their emotions when they attend to a child who is at the end of life (Roberts & Boyle, 2005). Based on the first hypothesis suggested by Contro et al. (2004), such behaviour can be explained by a lack of knowledge regarding PPC.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 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 ».