‘Barriers to overcoming the barriers': A scoping review exploring 30 years of clinical supervision literature
Notice bibliographique
Résumé
AIMS/QUESTIONS: To explore the barriers and facilitators to nurses accessing clinical supervision; explore the barriers and facilitators to organizations implementing clinical supervision and capture what skills nurses require to facilitate clinical supervision. DESIGN: Scoping review of peer-reviewed research and grey literature. DATA SOURCES: CINAHL, Medline, PsychINFO and Scopus were searched for relevant papers published between 1990 and 2020. Google, Google Scholar, OpenGrey & EThOS were used to search for grey literature. REVIEW METHODS: PRISMA-ScR guidelines were used during the literature review process. Eighty-seven papers were included, and data were extracted from each paper using a standardized form. Data synthesis was undertaken using Seidel's analytical framework. RESULTS: Five themes were identified: Definitions and Models, (Mis) Trust and the Language of Supervision, Alternative Parallel Forums and Support Mechanisms, Time and Cost and Skills required. CONCLUSION: Since its inception in the 1990s, clinical supervision has long been regarded as a supportive platform for nurses to reflect on and develop their practice. However, this review highlights that despite an awareness of the skills required for nurses to undertake clinical supervision, and the facilitators for nurses to access and organizations to implement clinical supervision, there have been persistent barriers to implementation. This review identifies these persistent factors as 'barriers to overcoming the barriers' in the clinical supervision landscape. These require critical consideration to contribute towards moving clinical supervision forward in the spirit of its original intentions. IMPACT: This review progresses the debate on clinical supervision through critically analysing the barriers to overcoming the barriers. To this end, the review is designed to stimulate critical discussions amongst nurses in different clinical spaces and key stakeholders such as policy makers and regulatory bodies for the nursing profession.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,052 | 0,131 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,002 |
| Méta-épidémiologie (sens large) | 0,004 | 0,004 |
| Bibliométrie | 0,025 | 0,026 |
| Études des sciences et des technologies | 0,002 | 0,003 |
| Communication savante | 0,007 | 0,009 |
| Science ouverte | 0,002 | 0,005 |
| Intégrité de la recherche | 0,003 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
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 source (Gemma direct ou Codex distillé), 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 ».