Enhancing the education of paediatric nurses: A positive step towards achieving sustainable development goals
Notice bibliographique
Résumé
AIM: The aim of this discursive paper was to describe and expound on how paediatric nurses will be able to address the needs of children and adolescents through the lens of selected Sustainable Development Goals (SDGs) in Rwanda. DESIGN: A discursive analysis of SDGs relating to the roles of paediatric nurses in the context of Rwanda. METHODS: A discursive method using SDGs as a guiding framework is used in this paper. We drew on our own experiences and supported them with the available literature. RESULTS: A collection of contextually relevant examples of how paediatric nurses will be able to address the needs of children and adolescents through the lens of selected SDGs in Rwanda was discussed. The selected SDGs expounded on were: no poverty, good health and well-being, quality of education, decent work and economic growth, reduced inequalities, and partnerships for the goals. CONCLUSIONS: There is no doubt that the paediatric nurses in Rwanda play undeniable key roles in attaining SDGs and their targets. Thus, there is a need to train more paediatric nurses with the support of the interdisciplinary partners. Collaboratively, this is possible in the bid to ensure equitable and accessible care to the current and future generations. PUBLIC CONTRIBUTION: This discursive paper is intended to inform the different stakeholders in nursing practice, research, education and policy to support and invest in the advanced education of paediatric nurses for attainment of the SDGs.
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 | 0,029 | 0,021 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,007 | 0,017 |
| Communication savante | 0,012 | 0,013 |
| Science ouverte | 0,002 | 0,015 |
| Intégrité de la recherche | 0,006 | 0,011 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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.
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 ».