MétaCan
Menu
Retour à la cohorte
Enregistrement W4386777516 · doi:10.1016/j.ijnss.2023.09.001

Culturally competent care across borders: Implementing culturally responsive teaching for nurses in diverse workforces

2023· article· en· W4386777516 sur OpenAlexaboutno aff
Abdulqadir J. Nashwan

Notice bibliographique

RevueInternational Journal of Nursing Sciences · 2023
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueCultural Competency in Health Care
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésNursingPsychologySociologyMedicine

Résumé

récupéré en direct d'OpenAlex

The migration of healthcare professionals, including nurses, is a global phenomenon. It is driven by various factors, including the pursuit of better opportunities, living conditions, and professional development, as well as political instability or conflict in their home countries. The World Health Organization (WHO) has noted that high-income countries often rely on foreign-trained nurses to fill gaps in their healthcare systems [1]. For instance, as of 2021, over 40% (52 million) of all nurses in the United States (US) were expatriates [2]. In the United Kingdom (UK), the percentage of expatriate nurses was even higher, reaching approximately 18% in 2021 [3]. Owing to globalization and migration, healthcare providers must possess cultural competence to deliver improved care [4,5]. Culturally responsive teaching (CRT) is rooted in the idea that culture plays a vital role in shaping people's behaviors, beliefs, values, and communication styles [6]. Furthermore, these cultural factors influence patients' perspectives on health, illness, healing, and their preferences for care and communication [7]. By recognizing and embracing these cultural differences, nurses can provide more effective and compassionate care to their diverse patient population [8]. This paper explores the significance of CRT for nurses in diverse multinational workforces and provides examples from various countries, such as the US, Canada, Australia, the UK, Qatar, and Singapore. The previously mentioned countries represent diverse geographical regions and contain multicultural societies. They are representative examples of places where healthcare systems must adapt and cater to a culturally diverse population.

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)0,021
score de la tête « metaresearch » (Gemma)0,026
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 enseignants0,021
Score d'incertitude au seuil0,110

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0210,026
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0060,003
Communication savante0,0050,005
Science ouverte0,0030,020
Intégrité de la recherche0,0020,005
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

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 Opus0,092
Tête enseignante GPT0,513
Écart entre enseignants0,421 · 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

Citations6
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Nursing SciencesMême sujetCultural Competency in Health CareTravaux en français237 207