MétaCan
Menu
Retour à la cohorte
Enregistrement W3045134062 · doi:10.1177/1077558720942706

Nurse Practitioner Role and Practice Environment in Primary and in Nonprimary Care in California

2020· article· en· W3045134062 sur OpenAlexaff
Shira G. Winter, Susan A. Chapman, Garrett K. Chan, Karen G. Duderstadt, Joanne Spetz

Notice bibliographique

RevueMedical Care Research and Review · 2020
Typearticle
Langueen
DomaineHealth Professions
ThématiqueNursing Roles and Practices
Établissements canadiensImpact
Organismes subventionnairesnon disponible
Mots-clésOddsScope of practiceNursingScope (computer science)Nurse practitionersSpecialtyCertificationMedicineMEDLINEPrimary careJob satisfactionDistrict nurseFamily medicineHealth carePsychologyLogistic regressionPolitical science

Résumé

récupéré en direct d'OpenAlex

Between 2008 and 2016, there was an increase in nurse practitioners in specialty care. This study explores some differences in role and practice environment between primary care and nonprimary care nurse practitioners in the domains of time spent on activities, barriers to providing care, working to scope of practice, full skill utilization, and satisfaction. This cross-sectional quantitative study, based on data from the 2017 Survey of California Nurse Practitioners and Certified Nurse Midwives, found that nurse practitioners in nonprimary care practices have lower odds of reporting time as a barrier to practice, lower odds of reporting practice to full scope, and higher odds of reporting a hierarchical or supervisory relationship with the physician. Future exploration of these differences may shed light on ways to promote nonprimary care practice environments to foster more effective collaboration and fewer barriers to providing care.

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)0,003
score de la tête « metaresearch » (Gemma)0,004
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,910
Score d'incertitude au seuil0,892

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,002
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 Opus0,069
Tête enseignante GPT0,481
Écart entre enseignants0,412 · 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'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMedical Care Research and ReviewMême sujetNursing Roles and PracticesTravaux en français237 207