Using the PEPPA Framework to Develop and Implement a Nurse Practitioner Role Within Canada’s National Ballet School
Notice bibliographique
Résumé
Aim: To outline the successful development and implementation of a nurse practitioner role within a professional ballet school. Background: Nurse practitioners are well integrated into primary and acute care in Ontario, yet the role within schools and private athletic institutions is not well documented. Canada’s National Ballet School is a professional ballet school with a combination of day students and those living in residences. Students complete both dance training and academics at the School. The physical and mental health of students was identified as a key priority by the school, leading to the development of an integrated health and wellness program. To facilitate more timely access to healthcare and provide an opportunity for collaboration and consultation within the school, a plan to implement a nurse practitioner role into the school was developed. Methods: In order to develop and implement the role of the nurse practitioner within the institution, the participatory, evidence-based, patient-focused process for advanced practice nursing role development, implementation, and evaluation (PEPPA) framework was used. The first seven steps of the PEPPA framework were applied in this project. Findings: The PEPPA framework allowed for us to identify key barriers and facilitators for the role implementation and successfully implement the nurse practitioner role. While the initial plan was for a slower implementation, the COVID-19 pandemic highlighted the need for a nurse practitioner in the institution more urgently. Conclusion: The PEPPA framework provided us with an organized process for developing and implementing the nurse practitioner role at Canada’s National Ballet School.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,005 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,009 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».