MétaCan
Menu
Retour à la cohorte
Enregistrement W4409209681 · doi:10.1186/s12912-025-03045-5

Advancing home health nursing competencies in Canada to reflect a dynamic care environment and complex population health needs: a modified eDelphi study

2025· article· en· W4409209681 sur OpenAlexaffabout
Margaret Saari, Chelsea Coumoundouros, John Tadeo, Barbara Chyzzy, Melissa Northwood, Justine Giosa

Notice bibliographique

RevueBMC Nursing · 2025
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueDelphi Technique in Research
Établissements canadiensUniversity of WaterlooMcMaster UniversityToronto Metropolitan UniversityPrincess Margaret Cancer Centre
Organismes subventionnairesnon disponible
Mots-clésNursing researchMedicineNursingNursing managementPopulation healthHealth careHealth informaticsHealth administrationPublic health

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Home health nursing competencies outline the knowledge, skills and attributes home health nurses need for safe and ethical practice. Since the Canadian Home Health Nursing Competencies were first developed in 2010, several important contextual changes have occurred. To ensure competencies reflect current practice contexts, this study aimed to update Canada's home health nursing competencies. METHODS: A four-phase modified eDelphi study was conducted using online surveys, consensus meetings and feedback forms. An environmental scan was conducted to identify home health competencies emerging since 2010, to create a comprehensive set of preexisting competencies to serve as the starting point for a 3-round modified eDelphi process. The eDelphi was conducted with a panel of home health nurses (n = 43) to identify core competencies relevant to current home health nursing practice environments. Broader consultations with home health nurses (n = 41) and interdisciplinary home care team members (n = 12) were held to validate eDelphi findings. An advisory working group (n = 24) of home health nursing leaders provided guidance on study decision-making and final recommendations. RESULTS: Three hundred fifty-nine preexisting competencies were consolidated into 96 unique home health nursing competencies. In Round 1 of the eDelphi, home health nurses reached consensus (agreement ≥ 75%) that 94 competencies were relevant to current practice environments and suggested five new competencies. Subsequent eDelphi rounds resulted in 93 competencies being brought forward as both relevant and essential for current home health nursing practice. Further consultations refined recommendations, resulting in a final set of 79 competencies. Qualitative feedback provided insights into the relevance and importance of competencies, opportunities for comprehension improvements, and implementation considerations. CONCLUSIONS: The home health nursing competency set generated through this study incorporates core concepts in home health nursing practice, such as evidence-informed practice and interdisciplinary collaboration, along with several new concepts, such as trauma-informed care, data-driven decision-making, and provision of culturally safe care. This updated competency set can be used to inform prelicensure education and professional development opportunities to enhance home health workforce capacity. Future work exploring strategies to support competency uptake in education and home and community care organizations is needed.

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)0,022
score de la tête « metaresearch » (Gemma)0,023
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,939
Score d'incertitude au seuil0,441

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0220,023
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0030,004
Études des sciences et des technologies0,0100,002
Communication savante0,0020,001
Science ouverte0,0020,004
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,081
Tête enseignante GPT0,455
Écart entre enseignants0,374 · 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'étudeQualitatif
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

Citations2
Publié2025
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueBMC NursingMême sujetDelphi Technique in ResearchTravaux en français237 207