MétaCan
Menu
Retour à la cohorte
Enregistrement W6901463491 · doi:10.60692/nt5e2-a0c36

Poder interprofissional em cuidados intensivos: reflexão filosófica a partir de perspectivas foucaultianas e críticas

2022· article· en· W6901463491 sur OpenAlexaff

Notice bibliographique

RevueGreater South Information System · 2022
Typearticle
Langueen
DomaineHealth Professions
ThématiqueHealth, Nursing, Elderly Care
Établissements canadiensQueen's University
Organismes subventionnairesnon disponible
Mots-clésPower (physics)Health careControl (management)Process (computing)Perspective (graphical)AutonomyOrder (exchange)Health professionals

Résumé

récupéré en direct d'OpenAlex

Objective: To discuss the power relations among health care professionals in acute care settings and its interference in the process of knowledge building.Methods: In this philosophical paper, we explored the influence of power relations on knowledge building using a Foucauldian and critical perspective of Gramsci and Freire related to nursing and health care practices.Results: There are four sources of organizational power (decision-making, discretion, control of resources, and control of knowledge/network) that act at different levels of healthcare organizations.Intensive care units are an important segment of healthcare setting, and the complexity involved in the daily activities of professionals in this sector can lead to difficult power relations in the process of knowledge building.For instance, when professionals external to the ICU team that hold specific knowledge need to be contacted to help in cases, such as during organ donation and transplantation process.In this situation it is necessary to deconstruct the competitive power in order to build the collaborative power.Conclusion: Using Freire's and Gramsci's perspectives we argued that lack of knowledge contributes to competitive power which can be overcome if involved individuals engage in the learning process towards

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)0,040
score de la tête « metaresearch » (Gemma)0,049
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,040
Score d'incertitude au seuil0,212

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0400,049
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0070,006
Études des sciences et des technologies0,0070,032
Communication savante0,0140,014
Science ouverte0,0020,007
Intégrité de la recherche0,0060,008
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 Opus0,084
Tête enseignante GPT0,363
Écart entre enseignants0,279 · 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'étudeThéorique ou conceptuel
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

Citations0
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueGreater South Information SystemMême sujetHealth, Nursing, Elderly CareTravaux en français237 207