MétaCan
Menu
Retour à la cohorte
Enregistrement W322593420 · doi:10.1177/084456211304500106

A Formative Evaluation of Nurses' Use of Electronic Devices in a Home Care Setting

2013· article· en· W322593420 sur OpenAlexaffvenue
Diane Doran, Cheryl Reid‐Haughian, Autumn Marie Chilcote, Qìng Yu

Notice bibliographique

RevueCanadian Journal of Nursing Research · 2013
Typearticle
Langueen
DomaineHealth Professions
ThématiqueElectronic Health Records Systems
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésFormative assessmentFocus groupSample (material)Social capitalData collectionNursingPsychologyMedical educationMedicineApplied psychologyMarketingBusinessPedagogy

Résumé

récupéré en direct d'OpenAlex

The purpose of this study was to evaluate the implementation of a clinical information system (CIS) in a community setting. The researchers used a mixed-method design involving interviews, focus groups, and surveys. An independent cross-sectional sample of nurses was surveyed. At time 1 a total of 118 nurses responded and at time 2 a total of 81. Respondents were moderately satisfied with features of the CIS. User satisfaction was positively associated with access to structural and electronic resources and social capital and negatively associated with nurses' age at time 1. Social capital was positively associated with user satisfaction at time 2. Younger age was associated with overall research use at both time 1 and time 2. Research use was negatively associated with evaluation and feedback but positively associated with formal interactions. This evaluation identified the importance of educational support, user-centred design, and responsiveness to successful implementation of CISs in a community setting.

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)0,010
score de la tête « metaresearch » (Gemma)0,002
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,292
Score d'incertitude au seuil0,995

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0100,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,002
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 Opus0,262
Tête enseignante GPT0,559
Écart entre enseignants0,297 · 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'étudeQualitatif
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

Citations7
Publié2013
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of Nursing ResearchMême sujetElectronic Health Records SystemsTravaux en français237 207