Racial and Ethnic Composition of Neonatal Nurse Practitioner Faculty and Students in the United States
Notice bibliographique
Résumé
BACKGROUND: Neonatal nurse practitioners have a strong presence in the neonatal intensive care unit and are primed to lead efforts to induce change related to health disparities. Underrepresented minority nurse practitioners offer valuable perspectives in the care of underrepresented minority patients. However, there remains a current racial and ethnic discordance between neonatal providers and patients. Efforts to eliminate health disparities must begin before nursing school. The current racial and ethnic composition of neonatal nurse practitioner faculty in comparison to students in the United States is unknown. PURPOSE: The purpose of this study was to determine the racial and ethnic composition of neonatal nurse practitioner faculty and students in the United States and contrast this data with available data for the racial and ethnic composition of the neonatal intensive care unit patient population. METHODS: This cross-sectional study used a nonexperimental survey to describe the racial and ethnic composition of neonatal nurse practitioner faculty and students in the United States. RESULTS: There was no significant difference in the racial and ethnic composition between neonatal nurse practitioner faculty and students. There were significant differences for all race distributions between neonatal nurse practitioner students and neonatal intensive care unit admissions. IMPLICATIONS FOR PRACTICE AND RESEARCH: The discordance between neonatal nurse practitioner students and neonates in the neonatal intensive care unit is important in addressing disparities and begins before nursing school. Identification of barriers and strategies for recruitment and retention of underrepresented minority nursing students and faculty is needed. VIDEO ABSTRACT AVAILABLE AT: https://journals.lww.com/advancesinneonatalcare/pages/video.aspx?v=62.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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 tête enseignante, 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 ».