Spotlight on the leadership and management of intensive care units
Notice bibliographique
Résumé
This issue of Nursing in Critical Care casts a light on the leadership and management of intensive care units (ICUs). To set the scene for this special issue, we are very honoured to include two thought-provoking guest editorials and a critical commentary from eminent critical researchers and practitioners. The editorials by Fiona Timmins and her colleagues and Gillian Colville respectively provide insightful comments on these papers' contribution from two different perspectives: the commitment of nurses and nursing to the current and future development of nursing leadership and management in ICUs1 and the importance of staff well-being in management considerations.2 The critical commentary by Sarah Sumner reflects on the impact of the COVID-19 pandemic on the work environment and mental health of ICU nurses.3 The research and review papers in this special collection tackle various facets of intensive care leadership and management, ranging from ‘classic’ topics such as turnover, intent to stay, staffing levels, workload, burnout, safety, job satisfaction and leadership styles to factors that are gaining attention in recent decades, such as moral distress, compassion fatigue, compassion satisfaction, moral sensitivity and courage, relatives' participation in care and emotional intelligence. As expected, the past and future impact of the COVID-19 pandemic features prominently in this issue. The issue also showcases the cross-sectional survey as a very popular research design in investigating these topics. Nonetheless, the issue also includes a retrospective cohort study, literature reviews and an instrument construction/validation study. As usual, this special issue offers an international perspective with contributions from the United Kingdom, Italy, Greece, Iran, China, Turkey, the United States, Egypt, Brazil, Spain and Poland. We trust that you will enjoy reading, learning from and being inspired by the papers in this special issue, as much as we did while compiling it.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,012 | 0,038 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,002 |
| Bibliométrie | 0,003 | 0,003 |
| Études des sciences et des technologies | 0,004 | 0,006 |
| Communication savante | 0,014 | 0,009 |
| Science ouverte | 0,004 | 0,003 |
| Intégrité de la recherche | 0,013 | 0,024 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,013 | 0,004 |
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 source (Gemma direct ou Codex distillé), 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 ».