MétaCan
Menu
Retour à la cohorte
Enregistrement W3123606590 · doi:10.3917/rsi.143.0076

L’autonomie décisionnelle d’infirmières de soins intensifs lors du sevrage de la ventilation mécanique : une analyse de concept

2021· article· fr· W3123606590 sur OpenAlexafffund
Lysane Paquette, Kelley Kilpatrick

Notice bibliographique

RevueRecherche en soins infirmiers · 2021
Typearticle
Languefr
DomaineHealth Professions
ThématiqueHealth, Medicine and Society
Établissements canadiensCanadian Nurses FoundationUniversité du Québec en Outaouais
Organismes subventionnairesMinistère de l'Éducation et de l'Enseignement supérieurRéseau de recherche portant sur les interventions en sciences infirmières du Québec
Mots-clésHumanitiesPhilosophyMedicine

Résumé

récupéré en direct d'OpenAlex

Nurses have a leading role in weaning patients from mechanical ventilation (WMV) given their constant presence and their continuous monitoring. To promote proper WMV, nurses must exercise autonomy and be involved in decision-making. However, in certain care contexts, there is little involvement of nurses. The purpose of this text is to establish the characteristics of the concept of autonomous decision-making applied to nursing during WMV. An analysis of this concept was carried out according to the evolutionary method of Rodgers. The identification of the attributes, antecedents, and consequences made it possible to note ambiguity in the definition of this concept. Nurses use autonomous decision-making for the execution of assigned tasks and when they make decisions according to a pre-prescribed decision-making algorithm. Significant foundations for the decision-making autonomy of critical care nurses during WMV emerged from this analysis : scope of practice, in-depth knowledge of the patient, and commitment to the success of WMV. Participation in interdependent decision-making allows nurses to bring the patient’s perspective into decisions. Avenues of reflection have also emerged, including decisions based on evidence to provide new avenues for autonomous decision-making.

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)0,006
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: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,013
Score d'incertitude au seuil0,064

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0060,007
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0020,001
Études des sciences et des technologies0,0020,011
Communication savante0,0070,006
Science ouverte0,0010,002
Intégrité de la recherche0,0020,003
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,155
Tête enseignante GPT0,475
Écart entre enseignants0,320 · 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'étudeThéorique ou conceptuel
Domainenon disponible
GenreMéthodes

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
Publié2021
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueRecherche en soins infirmiersMême sujetHealth, Medicine and SocietyTravaux en français237 207