Challenges, Extent of Involvement, and the Impact of Nurses’ Involvement in Politics and Policy Making in in Last Two Decades: An Integrative Review
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
PURPOSE: To determine nurses' challenges, extent of involvement, and the impact of involvement in politics and policy making. ORGANIZING CONSTRUCT: Nurses in politics and health policy making. METHODS: Literature was searched in PubMed, Scopus, Google Scholar, the Cumulative Index to Nursing and Allied Health Literature (CINAHL), OVID, and Open Grey using phrases comprising the following key words: "nurses", "policy making", "politics", "health policy", "nurses involvement in policy making/politics/health policy", "nurses challenges in policy making/politics/policy", and "impact of nursing policy making/politics/health policy"; 22 articles published from January 2000 to May 2019 were included. FINDINGS: The major challenges included intra- and interprofessional power dynamics, marginalization of nurses in policy making, and nursing profession-specific challenges. The extent of involvement was inadequate, and nurses mainly worked as policy implementers rather than as policy developers. Those nurses who participated in policy development focused on health promotion to build healthy communities and to empower nurses and the nursing profession. CONCLUSIONS: Nurses' involvement in policy making has not improved over time. Nursing institutions and regulatory bodies should prepare and encourage nurses to work as policymakers rather than implementers and advocate for the rightful place of nurses at policy-making forums. CLINICAL RELEVANCE: Preparation for health system policy making starts in the clinical settings. Educational institutions and nurse leaders should adequately prepare nurses for policy making, and nurses should participate in policy making at the organization, system, and national levels.
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 | 0,006 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,003 | 0,000 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,003 |
| 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