MétaCan
Menu
Retour à la cohorte
Enregistrement W3203698319 · doi:10.1016/j.ijnsa.2021.100044

Job titles and education requirements of registered nurses in primary care: An international document analysis

2021· article· en· W3203698319 sur OpenAlexaff
Crystal V. Barrett, Maria Mathews, Marie-Ève Poitras, Allison A. Norful, Ruth Martin‐Misener, Joan Tranmer, Dana Ryan, Julia Lukewich

Notice bibliographique

RevueInternational Journal of Nursing Studies Advances · 2021
Typearticle
Langueen
DomaineHealth Professions
ThématiqueNursing Roles and Practices
Établissements canadiensDalhousie UniversityUniversité de SherbrookeWestern UniversityQueen's UniversityMemorial University of Newfoundland
Organismes subventionnairesnon disponible
Mots-clésPrimary careNursingMedicinePsychologyMedical educationFamily medicine

Résumé

récupéré en direct d'OpenAlex

Background: Registered nurses have increasingly taken on new, integrated roles across a variety of health care settings, thus leading to a lack of clarity among titles used to identify registered nurses. Protected titles, such as "registered nurse," identify regulated professionals, whereas informal job titles identify nurses by their education or practice area. The variation in education requirements of registered nurses and the inconsistency in titles used to identify registered nurses in primary care internationally limits the ability to compare research findings and policies across countries. There is also minimal documentation on the education requirements specific to registered nurses in primary care. Objectives: This study aims to (a) outline protected titles and education requirements for registered nurses; and (b) identify job titles and education requirements specific to registered nurses in primary care internationally. Methods: =42). Online searches were performed using keywords (e.g. nurse, title, nursing education) to identify data focused on protected titles and education requirements of registered nurses, and job titles and education requirements of registered nurses in primary care. Data were extracted from online sources and verified for accuracy and completeness by key informants, identified for each country through online searches or professional networks. Results: Out of the 42 eligible countries, 24 countries were included in the final analysis. Five countries were excluded for their lack of available documents in English or French and 13 countries were excluded due to an inability to verify data with key informants. The findings show that "registered nurse" is the most common protected title internationally. Other protected titles include "general nurse" and "nurse." Many unofficial job titles for registered nurses in primary care were identified, including "primary care nurse," "general practice nurse," and "community nurse." Twelve countries had no specific job title for registered nurses in primary care. Consistently, there was no mandatory education required for registered nurses to practice in primary care. However, many countries had primary care-specific programs available for nurses to gain knowledge in this area. Conclusions: This study confirms that job titles used to identify registered nurses in primary care vary considerably across countries. A unified understanding of international nomenclature for this role can support and facilitate future research, education, and policy development to recognize and optimize primary care nursing by improving access and quality of care for individuals, families, and communities. Tweetable abstract: Globally, job titles of RNs in primary care vary considerably and there are no formal primary care education requirements to practice.

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)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,514
Score d'incertitude au seuil0,348

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
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 savante0,0000,001
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 Opus0,102
Tête enseignante GPT0,550
Écart entre enseignants0,449 · 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'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

Citations49
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Nursing Studies AdvancesMême sujetNursing Roles and PracticesTravaux en français237 207