National Association of Neonatal Nurse Practitioners (NANNP) Workforce Survey
Notice bibliographique
Résumé
BACKGROUND: As an integral member of a healthcare team, neonatal nurse practitioners (NNPs) provide care in a variety of settings that include but are not limited to all levels of inpatient care, transport, acute and chronic care settings; delivery rooms; and outpatient care settings. Anecdotal evidence indicates that responsibilities, practice environment, and workload vary widely between regions and practice settings. PURPOSE: Historically, the supply of neonatal nurse practitioners has rarely met the demand for services, although needs vary by region at any given time. Because the NNP role is a collaborative one, a shortage of NNPs leaves a gap in the team approach to care. In 2011, the National Association of Neonatal Nurse Practitioners (NANNP) commissioned the first national study of the current NNP workforce in the United States and Canada. In an effort to further explore the NNP workforce population, the NANNP Council partnered with the National Certification Corporation to perform a second workforce survey of NNPs in the spring of 2014. FINDINGS/RESULTS: The online survey was conducted between March and April 2014. The goal of the study was to describe the demographics, practice environment, scope of responsibilities, benefits and reimbursement, and job satisfaction for the current NNP workforce. IMPLICATIONS FOR PRACTICE/RESEARCH: Key areas of concern identified by the 2014 Neonatal Nurse Practitioner Workforce Survey include an aging workforce; the need for NNP faculty; inadequate staffing ratios; the lack of downtime during prolonged shifts; and the need to assisting practices in developing competency and mentoring programs.
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 | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».