MétaCan
Menu
Retour à la cohorte
Enregistrement W4205805934 · doi:10.12927/cjnl.2021.26685

Preparing Nursing for the Virtual Care Realities of a Post-Pandemic Future

2021· article· en· W4205805934 sur OpenAlexaffvenue
Richard Booth, Gillian Strudwick

Notice bibliographique

RevueNursing leadership · 2021
Typearticle
Langueen
DomainePsychology
ThématiqueCOVID-19 and Mental Health
Établissements canadiensCentre for Addiction and Mental HealthWestern University
Organismes subventionnairesnon disponible
Mots-clésPandemicNursingHealth careNursing careCoronavirus disease 2019 (COVID-19)Leverage (statistics)PsychologyMedicinePolitical scienceComputer science

Résumé

récupéré en direct d'OpenAlex

The COVID-19 pandemic has accelerated the adoption of virtual care in healthcare contexts globally, inclusive of nursing care. Along with the rapid adoption of virtual care by the nursing profession, reflections regarding how best to leverage virtual care in nurse-patient relationships and as an innovative model of care have begun to emerge in both the literature and nursing discourse. Subsequently, the purposes of this paper are to (1) provide a reflection on the significant innovation in virtual care in nursing that was established during the early phases of the COVID-19 pandemic and (2) suggest future strategic directions for the profession in order to retain the benefits related to virtual care becoming more widely adopted into various nursing roles and activities. It is hoped that through this reflection and presentation of strategic directions, nurses and their associated leadership can identify viable future pathways to help evolve the use and delivery of virtual care in the profession for a post-pandemic world.

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: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,546
Score d'incertitude au seuil0,510

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 savante0,0000,000
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 Opus0,235
Tête enseignante GPT0,428
Écart entre enseignants0,193 · 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

Citations13
Publié2021
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueNursing leadershipMême sujetCOVID-19 and Mental HealthTravaux en français237 207