MétaCan
Menu
Retour à la cohorte
Enregistrement W3030087139 · doi:10.3760/cma.j.issn.1674-2907.2011.14.017

Effective communication in trans-cultural nursing of foreign ward

2011· article· en· W3030087139 sur OpenAlexaboutno aff
Chi Ying-chun

Notice bibliographique

RevueZhonghua xiandai huli zazhi · 2011
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueCultural Competency in Health Care
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésNursingService (business)Cultural communicationWork (physics)Key (lock)PsychologyMedicineBusinessPublic relationsPolitical scienceComputer scienceCommunicationMarketingEngineering

Résumé

récupéré en direct d'OpenAlex

Objective To explore the effective communication experience in trans-cultural nursing.Methods In this paper, we summarize the experience of effective communication about more than 60 cases from Mar 2007 to Mar 2010 which come from UK, USA, Canada, Turkey, Holland, etc.Results Through summarizing the pramalinguistic transport phenomena in the trans-cultural communication, we find the real reason to result in misunderstanding one another, and help us to find the reconstructive way of communication. Accordingly the pramalingustic transport phenomena are avoided and achieve the effective trans-cultural communication.Conclusions With the development of social economy and the increasing number of international communication, clinical nurses have been granted more opportunity to provide service for people from all over the world than ever before. Trans-cultural nursing has been greatly noticed with the modern nursing and the influence of medical model's transformation. Effective communication is a guarantee for successful nursing. Communication failure during the clinical work is mainly caused by pramalinguistic transport phenomena. Key words: Trans-cultural nursing; Effective communication; Foreign ward

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)0,002
score de la tête « metaresearch » (Gemma)0,007
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 enseignants0,005
Score d'incertitude au seuil0,014

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,007
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0050,003
Communication savante0,0030,002
Science ouverte0,0010,005
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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 Opus0,060
Tête enseignante GPT0,358
Écart entre enseignants0,299 · 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

Citations0
Publié2011
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueZhonghua xiandai huli zazhiMême sujetCultural Competency in Health CareTravaux en français237 207