MétaCan
Menu
Retour à la cohorte
Enregistrement W4220790383 · doi:10.1080/10376178.2022.2056067

No more unimplementable nurse workforce planning

2022· review· en· W4220790383 sur OpenAlexaff
Claire Su‐Yeon Park, Mehmet Kabak, Haejoong Kim, Sangmin Lee, Greta G. Cummings

Notice bibliographique

RevueContemporary Nurse · 2022
Typereview
Langueen
DomaineNursing
ThématiqueNursing education and management
Établissements canadiensUniversity of Alberta
Organismes subventionnairesKwangwoon UniversityKorea National University of Transportation
Mots-clésWorkforceNursingStaffingWorkforce planningNurse educationHealth careNursing shortageMedicinePolitical science

Résumé

récupéré en direct d'OpenAlex

Objective: This paper aims to spur thought-provoking practical debates on current nurse workforce staffing and scheduling systems in relation to a critical review of Ang and colleagues’ (2018) article entitled “Nurse workforce scheduling in the emergency department: A sequential decision support system considering multiple objectives.”Design: Discussion paper on a practical discourse in connection with the aforementioned published article.Discussion: Mathematical Programming (optimisation) (MP)-based nursing research has been published for nearly thirty years almost exclusively in industrial engineering or health business administration journals, demonstrating a widening gap between nursing research and practice. Nurse scientists’ knowledge and skill of MP is insufficient, as are their interdisciplinary collaborations, setting back the advancement of nursing science. Above all, nurse scientists skilled in decision science are desperately needed for that analytic intellection which is rooted in the ‘intrinsic nature and value of nursing care.’ It is imperative that nurse scientists be well-prepared for the new age of the Fourth Industrial Revolution through both an education in MP and interdisciplinary collaboration with decision science experts in order to prevent potential stereotyped MP-based algorithm-driven destructive influences.Conclusions: The current global nursing shortage makes optimal nursing workforce staffing and scheduling more important. MP helps nurse executives and leaders to ensure the most efficient number of nurses with the most effective composition of nurse staffing at the right time for a reasonable cost. Nurse scientists urgently need to produce a new nursing knowledge base that is directly implementable in nursing practice.Impact Statement: Nurse scientists should take the leading role in producing the mathematical programming-integrated knowledge base that is directly implementable in 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)0,016
score de la tête « metaresearch » (Gemma)0,054
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: aucune
Score de désaccord entre enseignants0,030
Score d'incertitude au seuil0,099

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0160,054
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0030,009
Communication savante0,0090,012
Science ouverte0,0030,007
Intégrité de la recherche0,0040,009
Charge utile insuffisante (le modèle a refusé de juger)0,0300,008

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 Opus0,136
Tête enseignante GPT0,415
Écart entre enseignants0,278 · 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'étudeSans objet
Domainenon disponible
GenreSynthèse

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
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueContemporary NurseMême sujetNursing education and managementTravaux en français237 207