MétaCan
Menu
Retour à la cohorte
Enregistrement W4391604120 · doi:10.1111/jan.16094

Understanding nurses' experience of climate change and then climate action in Western Canada

2024· article· en· W4391604120 sur OpenAlexaffabout
Hannah Rempel, Maya R. Kalogirou, Sherry Dahlke, Kathleen F. Hunter

Notice bibliographique

RevueJournal of Advanced Nursing · 2024
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueClimate Change and Health Impacts
Établissements canadiensMacEwan UniversityUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésClimate changeAction (physics)PsychologyOceanographyGeology

Résumé

récupéré en direct d'OpenAlex

AIM: To understand nurses' personal and professional experiences with the heat dome, drought and forest fires of 2021 and how those events impacted their perspectives on climate action. DESIGN: A naturalistic inquiry using qualitative description. METHOD: Twelve nurses from the interior of British Columbia, Canada, were interviewed using a semi-structured interview guide. Thematic analysis was employed. No patient or public involvement. RESULTS: Data analysis yielded three themes to describe nurses' perspective on climate change: health impacts; climate action and system influences. These experiences contributed to nurses' beliefs about climate change, how to take climate action in their personal lives and their challenges enacting climate action in their workplace settings. CONCLUSIONS: Nurses' challenges with enacting environmentally responsible practices in their workplace highlight the need for engagement throughout institutions in supporting environmentally friendly initiatives. IMPACT: The importance of system-level changes in healthcare institutions for planetary health.

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 distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,654
Score d'incertitude au seuil0,990

Scores Codex et Gemma par catégorie

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

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.

Tête enseignante Opus0,173
Tête enseignante GPT0,383
Écart entre enseignants0,210 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
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

Citations13
Publié2024
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Advanced NursingMême sujetClimate Change and Health ImpactsTravaux en français237 207