MétaCan
Menu
Retour à la cohorte
Enregistrement W4282835060 · doi:10.1111/nhs.12964

Advanced practice role delineation within Hong Kong: A cross‐sectional study

2022· article· en· W4282835060 sur OpenAlexaff
Krista Jokiniemi, Sek Ying Chair, Frances Kam Yuet Wong, Denise Bryant‐Lukosius

Notice bibliographique

RevueNursing and Health Sciences · 2022
Typearticle
Langueen
DomaineHealth Professions
ThématiqueNursing Roles and Practices
Établissements canadiensMcMaster University
Organismes subventionnairesnon disponible
Mots-clésCLARITYNursing practiceNursingAdvanced practice nursingCross-sectional studyMedicineAdvanced Practice NursesClinical PracticeBest practiceNursing researchMedical educationNurse practitionersHealth carePolitical science

Résumé

récupéré en direct d'OpenAlex

A career ladder for nurses, including several levels of nursing practice and specific roles for advanced practice nurses, was introduced in Hong Kong around the start of the 21st century. To date no studies have distinguished the practices of advanced practice nurses in Hong Kong. This cross-sectional study, conducted between November 2020 and March 2021, aims to identify and differentiate the practice patterns of advanced practice nurses by utilizing the Advanced Practice Role Delineation tool. A total of 191 responses were obtained. Three roles were identified: nurse consultant, advanced practice nurse, and advanced practice nurse in management. Among the five advanced practice nursing domains, nurses were most frequently involved in Education and in Direct Comprehensive Care activities, while least active in Research and in Publication and Professional Leadership. Identifying activities in various nursing roles helps to differentiate their responsibilities and provides new insights for role utilization and support. Although the role characteristics are shaped by country contexts, research evidence on practice patterns may be used to support international discussion and efforts to promote role clarity and effective role introduction and optimization.

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)0,009
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesÉtudes des sciences et des technologies
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,231
Score d'incertitude au seuil0,988

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0090,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0130,000
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
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 Opus0,126
Tête enseignante GPT0,549
Écart entre enseignants0,424 · 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.

Devis d'étudeObservationnel
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

Citations18
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueNursing and Health SciencesMême sujetNursing Roles and PracticesTravaux en français237 207