MétaCan
Menu
Retour à la cohorte
Enregistrement W4291124102 · doi:10.1111/jan.15404

Can fundamental care be advanced using the science of care framework?

2022· article· en· W4291124102 sur OpenAlexaff
Lianne Jeffs, Jane Merkley, Kara Ronald, Gary E. Newton, Lily Yang, Carolyn Steele Gray

Notice bibliographique

RevueJournal of Advanced Nursing · 2022
Typearticle
Langueen
DomaineNursing
ThématiqueNursing education and management
Établissements canadiensInstitute for Work & HealthSinai Health SystemInstitute of Health Services and Policy ResearchToronto Rehabilitation InstituteUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésHealth careEngineering ethicsDisciplineArticulation (sociology)Knowledge managementSociologyManagement scienceComputer scienceEngineeringPolitical scienceSocial science

Résumé

récupéré en direct d'OpenAlex

AIMS: This manuscript aims to provide a description of an evidence-informed Science of Care practice-based research and innovation framework that may serve as a guiding framework to generate new discoveries and knowledge around fundamental care in a more integrated manner. BACKGROUND: New ways of thinking about models of care and implementation strategies in transdisciplinary teams are required to accelerate inquiry and embed new knowledge and innovation into practice settings. A new way of thinking starts with an explicit articulation and commitment to the core business of the healthcare industry which is to provide quality fundamental care. DESIGN: This discursive paper delineates an iteratively derived Science of Care research and innovation framework (Science of Care Framework) that draws from a targeted literature review. METHOD: The Science of Care Framework integrates caring science with safety and symptom sciences with implementation, improvement, innovation and team sciences. Each science dimension is described in terms of seminal and evolving evidence and theoretical explanations, focusing on how these disciplines can support fundamental care. CONCLUSIONS: The Science of Care Framework can serve as a catalyst to guide future efforts to propel new knowledge and discoveries around fundamental care and how best to implement it into clinical practice through a transdisciplinary lens. IMPACT ON NURSING SCIENCE, PRACTICE, OR DISCIPLINARY KNOWLEDGE: The Science of Care Framework can accelerate nursing discipline-specific knowledge generation alongside inter and transdisciplinary insights. The novel articulation of the Science of Care Framework can be used to guide further inquiries that are co-designed, and led, by nurses into integrated models of care and innovations in clinical 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)0,070
score de la tête « metaresearch » (Gemma)0,088
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,070
Score d'incertitude au seuil0,369

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0700,088
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0020,002
Bibliométrie0,0070,004
Études des sciences et des technologies0,0060,077
Communication savante0,0230,027
Science ouverte0,0040,012
Intégrité de la recherche0,0110,013
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

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.

Tête enseignante Opus0,020
Tête enseignante GPT0,355
Écart entre enseignants0,335 · 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'étudeThéorique ou conceptuel
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

Citations5
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Advanced NursingMême sujetNursing education and managementTravaux en français237 207