MétaCan
Menu
Retour à la cohorte
Enregistrement W3033308820 · doi:10.1097/njh.0000000000000665

Recommendations to Leverage the Palliative Nursing Role During COVID-19 and Future Public Health Crises

2020· article· en· W3033308820 sur OpenAlexaff
William E. Rosa, Tamryn F. Gray, Kimberly Chow, Patricia M. Davidson, J. Nicholas Dionne‐Odom, Viola Karanja, Judy Khanyola, Julius D. N. Kpoeh, Joseph Lusaka, Samuel T. Matula, Polly Mazanec, Patricia Moreland, Shila Pandey, Amisha Parekh de Campos, Salimah H. Meghani

Notice bibliographique

RevueJournal of Hospice and Palliative Nursing · 2020
Typearticle
Langueen
DomaineMedicine
ThématiquePalliative Care and End-of-Life Issues
Établissements canadiensSt Joseph's Health Centre
Organismes subventionnairesNational Cancer Institute
Mots-clésPalliative careNursingAnticipation (artificial intelligence)WorkforceCoronavirus disease 2019 (COVID-19)PandemicLeverage (statistics)Health carePublic healthMedicineValue (mathematics)PsychologyPolitical science

Résumé

récupéré en direct d'OpenAlex

With the daily number of confirmed COVID-19 cases and associated deaths rising exponentially, social fabrics on a global scale are being worn by panic, uncertainty, fear, and other consequences of the health care crisis. Comprising more than half of the global health care workforce and the highest proportion of direct patient care time than any other health professional, nurses are at the forefront of this crisis. Throughout the evolving COVID-19 pandemic, palliative nurses will increasingly exercise their expertise in symptom management, ethics, communication, and end-of-life care, among other crucial skills. The literature addressing the palliative care response to COVID-19 has surged, and yet, there is a critical gap regarding the unique contributions of palliative nurses and their essential role in mitigating the sequelae of this crisis. Thus, the primary aim herein is to provide recommendations for palliative nurses and other health care stakeholders to ensure their optimal value is realized and to promote their well-being and resilience during COVID-19 and, by extension, in anticipation of future public health crises.

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)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,482
Score d'incertitude au seuil0,624

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
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 Opus0,242
Tête enseignante GPT0,466
Écart entre enseignants0,224 · 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'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

Citations71
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Hospice and Palliative NursingMême sujetPalliative Care and End-of-Life IssuesTravaux en français237 207