L’expérience des infirmières travaillant auprès de la clientèle pédiatrique hospitalisée pour de l’anorexie mentale : un examen de la portée
Notice bibliographique
Résumé
Depuis les dernières années, le taux d’hospitalisation d’adolescentes avec de l’anorexie mentale (AM) est à la hausse (ICIS, 2022). Si non traitée, l’AM peut mener à une détérioration continue de la santé physique et psychologique (Herpertz-Dahlmann et Dahmen, 2019). Par conséquent, l’accompagnement et l’établissement d’une relation thérapeutique sont nécessaires pour favoriser le rétablissement. Toutefois, en les accompagnant, les infirmières peuvent faire face à de nombreux défis. Notamment, devant la nature de l’AM et la complexité des soins, certaines infirmières peuvent vivre une expérience d’accompagnement particulière. Par conséquent, afin d’avoir une meilleure compréhension du vécu des infirmières, à l’aide d’un examen de la portée, le but de cette recherche est de décrire les éléments pouvant influencer l’expérience des infirmières travaillant auprès de la clientèle pédiatrique hospitalisée pour de l’anorexie mentale. Les bases de données sollicitées sont PubMed, MEDLINE, All EBM, PsycINFO, Google Scholar et CINAHL. Au total, 15 articles majoritairement qualitatifs ont été retenus. Pour la plupart, les articles provenaient d’Australie, des États-Unis et du Canada. Parmi les résultats, les infirmières peuvent vivre un sentiment d’inefficacité, d’incompétence, et d’impuissance, de l’inconfort, de l’incertitude et de l’anxiété, de la tristesse, de l’indifférence, de la perte d’espoir, de la frustration et de la trahison, de l’épuisement, mais aussi de l’empathie, de la satisfaction et de la joie. Ce vécu émotif est le reflet de nombreux éléments liés à l’environnement, liés à l’AM, liés aux soins et liés à l’infirmière. À la lumière des résultats, de nombreuses recommandations pertinentes pour les sciences infirmières ont émergé et elles ont notamment comme objectifs de conscientiser les infirmières à ce vécu émotif qu’elles pourraient vivre lors de l’accompagnement qui se vit à travers les soins et la relation thérapeutique.
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 | 0,003 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,005 | 0,005 |
| Communication savante | 0,005 | 0,003 |
| Science ouverte | 0,001 | 0,005 |
| Intégrité de la recherche | 0,002 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,001 |
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 ».