MétaCan
Menu
← Retour à la cohorte
Enregistrement W4368617629 · doi:10.5430/jnep.v13n8p48

Considerations for subspecialty preparation for nurse practitioners

2023· article· en· W4368617629 sur OpenAlexvenueno aff
Celicia Williams Little, Sharon Dudley‐Brown

Notice bibliographique

RevueJournal of Nursing Education and Practice · 2023
Typearticle
Langueen
DomaineHealth Professions
ThématiqueNursing Roles and Practices
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésSubspecialtySpecialtyTest (biology)MedicineGeneral partnershipPediatric Nurse PractitionerNursingMedical educationCertificationNurse practitionersFamily medicineHealth care

Résumé

récupéré en direct d'OpenAlex

The number of nurse practitioners (NP) entering pediatric gastroenterology is increasing. Most nurse practitioners acquire knowledge and skills through special NP fellowship programs and on-the-job training. However, professional competencies have yet to be defined or standardized. The authors sought to evaluate subspecialty nursing organizations' role in developing education programs that improve NP preparation for practice. Nurse Practitioners completed an assessment survey to determine the need for an education program and the type of education program desired. Based on the survey feedback, the authors created a pediatric gastroenterology-focused education program through the National Association of Pediatric Nurse Practitioners (NAPNAP) in partnership with the Association of Pediatric Gastroenterology and Nutrition Nurses (APGNN). A pre-test/post-test design was utilized to determine knowledge obtainment. Post-test knowledge scores supported the program's ability to increase preparation. A post-test score increase was noted among new NPs and those who were members of specialty organizations. The development, implementation, and evaluation of standardized competencies and education programs through specialty organizations should be considered.

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)0,005
score de la tête « metaresearch » (Gemma)0,029
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,009
Score d'incertitude au seuil0,032

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0050,029
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0040,001
Communication savante0,0020,001
Science ouverte0,0010,002
Intégrité de la recherche0,0030,002
Charge utile insuffisante (le modèle a refusé de juger)0,0090,001

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 Opus0,219
Tête enseignante GPT0,583
Écart entre enseignants0,363 · 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'étudeSans objet
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
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Nursing Education and Practice→Même sujetNursing Roles and Practices→Travaux en français237 207→