MétaCan
Menu
Retour à la cohorte
Enregistrement W3207377502 · doi:10.17483/2368-6669.1277

French translation and adaptation of the Lasater Clinical Judgment Rubric: A multicentre study

2021· article· en· W3207377502 sur OpenAlexvenueaboutno aff
Jacinthe Beauchamp, Michelle Lalonde, Viviane Fournier, Sabrina Mehiz, Marco Pedrotti, Isabelle Michel, Pierre Godbout, Ivan L. Simoneau, Kathie Lasater

Notice bibliographique

RevueQuality Advancement in Nursing Education - Avancées en formation infirmière · 2021
Typearticle
Langueen
DomaineHealth Professions
ThématiqueMedical Malpractice and Liability Issues
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésRubricPsychologyPhilosophyPedagogy

Résumé

récupéré en direct d'OpenAlex

Background: The clinical judgment of nursing graduates who begin practising is rarely fully adequate in situations requiring acute and critical care. Facilitating their clinical judgment development while they are learning is thus essential. Study objective: To produce a French-language version of an existing instrument for assessing the development of clinical judgment, based on translation and validation efforts in various French-speaking regions. Method: International multicentre study. Five-step transcultural translation and validation process: (1) selection of a valid and reliable English-language instrument; (2) reverse translation; (3) committee review of the translated instrument; (4) pre-testing of the translated instrument; and (5) test-retest reliability study. Results: The Lasater Clinical Judgment Rubric® has proven to be an apt instrument for reporting on the development of clinical judgment thanks both to its conceptual model and its metrological characteristics. Participants from Québec, Ontario, Manitoba, New Brunswick, Switzerland, France, and Belgium took part in the pre-testing (n=16) and test-retest (n=35) phases. The terms that proved most difficult to translate included expected patterns, patterns in data, being skillful, prompting, and commitment. Cronbach’s alpha coefficients were all greater than 0.84. In addition, all test-retest intraclass correlation coefficients were above 0.81. Conclusions: New nurses in professional practice need to have well-developed capabilities to manage the diversity and complexity of clinical situations. The French-language version of the Lasater Clinical Judgment Rubric defines the trajectory of clinical judgment development and describes the Tanner Model in concrete terms; it also facilitates communication and understanding of expectations for student performance. In clinical simulations, the Rubric may be used as a guide for debriefing, providing feedback, and encouraging reflective 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 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)0,014
score de la tête « metaresearch » (Gemma)0,021
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: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,092
Score d'incertitude au seuil0,184

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0140,021
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,002
Études des sciences et des technologies0,0020,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
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 Opus0,179
Tête enseignante GPT0,531
Écart entre enseignants0,352 · 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

Citations3
Publié2021
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueQuality Advancement in Nursing Education - Avancées en formation infirmièreMême sujetMedical Malpractice and Liability IssuesTravaux en français237 207