MétaCan
Menu
Retour à la cohorte
Enregistrement W4312105544 · doi:10.5430/jnep.v13n4p23

Midwives’ perception of the effects of footbaths for women in labor: A cross-sectional study

2022· article· en· W4312105544 sur OpenAlexvenueno aff
Naoko Hikita, Kiyoko Mizuhata, Ritsuko Iso, Akemi ISOYAMA

Notice bibliographique

RevueJournal of Nursing Education and Practice · 2022
Typearticle
Langueen
DomaineMedicine
ThématiquePregnancy-related medical research
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésPerceptionCross-sectional studyMedicineEducational attainmentNursingVocational educationFamily medicineWorking hoursPsychologyPolitical science

Résumé

récupéré en direct d'OpenAlex

Footbaths are generally used for women in labor in clinical settings in Japan. However, it is unclear how their effects are perceived by midwives, or what effects they expect. Therefore, this study aimed to describe midwives’ perception of footbaths’ effects for women in labor. This cross-sectional study was conducted during January–March, 2022. Participants were midwives who worked at perinatal medical centers in the Kanto region. Self-administered questionnaires were used to collect data. A total of 364 midwives were asked to participate; of these, 291 (79.9%) responded to the questionnaires. The participants’ mean age was 35.6 years old, and 120 (41.2%) had graduated from vocational schools. The average clinical experience was 12.1 years. Regarding the effects of footbaths, 274 (94.2%) participants selected “relaxes,” whereas 166 (57.0%) selected “strengthens uterine contractions.” These effects were related to educational attainment and the source of information about the effects of footbaths. Midwives’ perception of footbaths’ effects differed; thus, it is necessary to conduct studies which clarify the effects of footbaths in the future and to disseminate the results.

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)0,002
score de la tête « metaresearch » (Gemma)0,005
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
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 enseignants0,005
Score d'incertitude au seuil0,011

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,005
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,056
Tête enseignante GPT0,484
Écart entre enseignants0,428 · 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'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

Citations0
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Nursing Education and PracticeMême sujetPregnancy-related medical researchTravaux en français237 207