Emotional Touch Nursing Competencies Model of the Fourth Industrial Revolution: Instrument Validation Study
Notice bibliographique
Résumé
BACKGROUND: The Fourth Industrial Revolution is transforming the health care sector through advanced technologies such as artificial intelligence, the Internet of Things, and big data, leading to new expectations for rapid and accurate treatment. While the integration of technology in nursing tasks is on the rise, there remains a critical need to balance technological efficiency with empathy and emotional connection. This study aims to develop and validate a competency model for emotional touch nursing that responds to the evolving demands of the changing health care environment. OBJECTIVE: The aims of our study are to develop an emotional touch nursing competencies model and to verify its reliability and validity. METHODS: A conceptual framework and construct factors were developed based on an extensive literature review and in-depth interviews with nurses. The potential competencies were confirmed by 20 experts, and preliminary questions were prepared. The final version of the scale was verified through exploratory factor analysis (n=255) and confirmatory factor analysis (n=256) to assess its validity and reliability. RESULTS: From the exploratory analysis, 8 factors and 38 items (client-centered collaborative practice, learning agility for nursing, nursing professional commitment, positive self-worth, compliance with ethics and roles, nursing practice competence, nurse-client relationship, and nursing sensitivity) were extracted. These items were verified through convergent and discriminant validity testing. The internal consistency reliability was acceptable (Cronbach α=0.95). CONCLUSIONS: The findings from this study confirmed that this scale has sufficient validity and reliability to measure emotional touch nursing competencies. It is expected to be used to build a knowledge and educational system for emotional touch nursing.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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 tête enseignante, 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 ».