Describing Clinical Nurse Specialist Practice: A Mixed-Methods Study
Notice bibliographique
Résumé
PURPOSE/AIMS: To describe clinical nurse specialist practice in Québec, Canada, and propose a dashboard to track role dimensions and outcomes. DESIGN: Sequential mixed-methods study across 6 sites in Québec (June 2021 to May 2022). METHODS: Phase 1: Focus groups (n = 8) and individual interviews (n = 3) were conducted to adapt a time and motion tool. Phase 2: Time and motion studies (n = 25; 203 hours 5 minutes) described clinical nurse specialist practice. Phase 3: A rapid literature review and study participants' feedback informed the dashboard's development. Analysis: Descriptive statistics, with content analysis for qualitative data. RESULTS: The proportion of time clinical nurse specialists spent in role dimensions included clinical (22.8%), education (11.2%), administrative/leadership (48.6%), research (9.6%), and personal (7.7%). On average, they spent 17% of work time with patients, but this varied across specialties and locations. Key dashboard characteristics and uses were identified. CONCLUSIONS: Important differences were noted in clinical nurse specialist time spent in activities across specialties and regions in Québec. Approximately one-fifth of work time was spent in direct patient care. Additional research is needed to examine the link between clinical nurse specialist practice and outcomes in other jurisdictions and test the implementation of a dashboard to make their practice more visible.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,034 | 0,043 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,007 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 0,007 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».