MétaCan
Menu
Retour à la cohorte
Enregistrement W3048375006 · doi:10.26633/rpsp.2020.93

Regulation of nursing practice in the Region of the Americas

2020· article· en· W3048375006 sur OpenAlexaboutno aff
Silvia Helena De Bortoli Cassiani, Kimberly Lecorps, Luz Karina Rojas Cañaveral, Fernando A. Menezes da Silva, James Fitzgerald

Notice bibliographique

RevueRevista Panamericana de Salud Pública · 2020
Typearticle
Langueen
DomaineNursing
ThématiqueNursing education and management
Établissements canadiensnon disponible
Organismes subventionnairesWorld Health Organization
Mots-clésContinuing educationNursingProfessional developmentProfessional associationPolitical scienceMedicineMedical educationPublic relations

Résumé

récupéré en direct d'OpenAlex

OBJECTIVE: To describe and analyze the current nursing regulations across countries in the Region of the Americas. METHODS: A country comparative analysis was carried out by gathering information from the ministries of health, nursing schools, councils, associations, and boards in 2018. The main categories evaluated were type of regulatory bodies, requirements for initial professional registration, and registration renewal. RESULTS: All countries regulate the nursing profession through a regulatory body. Competency exams for initial registration are required in the United States, Canada, and most Caribbean countries. Registration renewal is required in 54.3% of the countries. Continuing education is required for professional registration renewal in the United States, Canada, and 53% of Caribbean countries. Labor hours are required in the United States and Canada. CONCLUSION: Regulations promote and protect professional integrity. The Pan American Health Organization/World Health Organization recommends that countries make efforts to evaluate competency and training, consider the use of competency exams for initial registration, and add continuing education as requirements for registration renewal.

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)0,005
score de la tête « metaresearch » (Gemma)0,013
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,052
Score d'incertitude au seuil0,103

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0050,013
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0020,002
Communication savante0,0020,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,041
Tête enseignante GPT0,345
Écart entre enseignants0,304 · 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'étudeObservationnel
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

Citations18
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueRevista Panamericana de Salud PúblicaMême sujetNursing education and managementTravaux en français237 207