MétaCan
Menu
Retour à la cohorte
Enregistrement W3017299271 · doi:10.1002/nop2.477

A qualitative study exploring the influence of clinic funding on the integration of family practice nurses in Newfoundland and Labrador

2020· article· en· W3017299271 sur OpenAlexaffabout
Maria Mathews, Dana Ryan, Richard Buote, Sandra Parsons, Julia Lukewich

Notice bibliographique

RevueNursing Open · 2020
Typearticle
Langueen
DomaineHealth Professions
ThématiquePrimary Care and Health Outcomes
Établissements canadiensGovernment of Newfoundland and LabradorMemorial University of NewfoundlandWestern University
Organismes subventionnairesnon disponible
Mots-clésPaymentNursingService (business)Work (physics)Qualitative researchFocus groupPrimary carePayment by ResultsMedicineFamily medicineBusinessSociologyMarketingPolitical science

Résumé

récupéré en direct d'OpenAlex

AIM: This study explores the contributions of family practice nurses in primary care across Newfoundland and Labrador funded by fee-for-service and alternate payment plans to examine the influence of funding arrangements on nursing roles/activities. DESIGN: A qualitative descriptive design was employed. METHODS: Semi-structured telephone interviews were conducted between March-July 2018 with physicians and Registered Nurses working in primary care settings in Newfoundland and Labrador. Interviews were transcribed verbatim, and a content analysis approach was used to identify recurring themes. RESULTS: Clinic funding was instrumental in the integration of family practice nurses into primary care settings and influenced roles/activities. In fee-for-service practices, nurses work with physicians and focus on one-on-one patient care in office-based settings, whereas nurses in alternate payment plans practices work more independently, in a wider range of settings and with emphasis on both individual and group-based encounters. Compared with alternate payment plans practices, fee-for-service practices tend to be more restrictive due to physician billing requirements.

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)0,006
score de la tête « metaresearch » (Gemma)0,008
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: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,589
Score d'incertitude au seuil0,816

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0060,008
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0120,006
Communication savante0,0030,002
Science ouverte0,0020,004
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0050,000

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 Opus0,475
Tête enseignante GPT0,595
Écart entre enseignants0,120 · 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

Citations14
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueNursing OpenMême sujetPrimary Care and Health OutcomesTravaux en français237 207