Digital health education and training for undergraduate and graduate nursing students: a scoping review protocol
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
OBJECTIVE: The objective of this review is to collate and analyze literature reporting on digital health education and training courses, or other pedagogical interventions, for nursing students at the undergraduate and graduate level to identify gaps and inform the development of future educational interventions. INTRODUCTION: In this era of technology-driven health care, upskilling and/or reskilling the nursing workforce is urgently needed for nurses to lead the digital health future and improve patient care. While informatics competency frameworks serve to inform nursing education and practice, they do not address the entire digital health spectrum. INCLUSION CRITERIA: This review will include research studies, theoretical/discussion papers, and reports, as well as gray literature from relevant sources published in the last 10 years. Opinion pieces, editorials, conference proceedings, and papers published in languages other than English will be excluded. METHODS: The JBI methodology for scoping reviews will be followed. Searches will be conducted in Embase, CINAHL, ERIC, MEDLINE, Scopus, and Education Research Complete to retrieve potentially relevant studies. Hand searches of reference lists of included studies will be conducted. Two reviewers will independently screen records against predefined eligibility criteria and consult a third reviewer if conflicts arise. Decisions will be documented using the Preferred Reporting Items for Systematic Reviews and Meta-Analyses (PRISMA) flow diagram. Quantitative data will be analyzed using descriptive statistics. Content analysis will be applied to qualitative data to identify categories and themes. Findings will be synthesized and reported in tables and narrative format. REVIEW REGISTRATION NUMBER: Open Science Framework osf.io/42eug.
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.
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 | 0,005 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 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 découle