Conceptualizing a Nursing Model for Integration of Patient Engagement Into Perinatal Digital Health Development and Quality Assurance: A Critical Interpretive Synthesis
Notice bibliographique
Résumé
This study examines current assumptions of digital transformation research in the perinatal context and constructs a nursing model through a critical interpretive synthesis. Perinatal digital transformation research is discussed and found to be lacking grounding in nursing concepts; nursing theory was integrated by examining data through the lenses of Woman- and Family-Centered Care (Person-centered Perinatal Care) and by applying Donabedian's Frame of quality assurance into the conceptual matrix. Here, iterative data collection occurred, initially through a scoping review examining the nature and range of perinatal digital health systems. Purposive sampling of empirical studies was conducted to saturate the data pool with all four attributes of patient engagement (access, personalization, therapeutic alliance, and commitment). Participatory action theory supported an abductive stage of analysis and informed pragmatic construction of the model. The model encompasses: (1) person-centered intervention mapping; (2) integration of process evaluation through stakeholder and user consultation; and (3) co-creation during real-life testing. The steps of the model are constructed to align with best practices in participatory action research, while holding nursing models as the foundational theoretical basis. This grounding in nursing theory will support a nursing lens for future action research related to the development of perinatal digital health systems.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,073 | 0,054 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,010 | 0,005 |
| Études des sciences et des technologies | 0,008 | 0,030 |
| Communication savante | 0,017 | 0,019 |
| Science ouverte | 0,004 | 0,010 |
| Intégrité de la recherche | 0,004 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 source (Gemma direct ou Codex distillé), 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 ».