Developing a pan-Canadian nursing regulation research agenda
Notice bibliographique
Résumé
Effective nursing regulation is vital for maintaining a competent, agile, and safe nursing workforce. Yet, the evidence available to inform nursing regulation within the Canadian context is largely descriptive and fragmented, with limited utility to support decision-making. While nursing regulators, which exist at the provincial and territorial levels, continue to engage in pan-Canadian policy initiatives, no coordinated research agenda exists to drive nursing regulatory science forward. To address this gap, we conducted a virtual deliberative dialogue with diverse system partners across Canada to co-create a pan-Canadian nursing regulation research agenda. Examples of research priority themes identified by the participants include strategies for regulatory harmonization, evaluation of regulatory reforms, licensure policy development, improved regulatory data management, and regulatory approaches for new and emerging practices. Barriers to collaboration centered on jurisdictional differences in legislative frameworks and priorities, lack of resources and time, poor role clarity, and legislative barriers to data collection. Examples of facilitators included leveraging existing collaborative networks, addressing barriers to data sharing, and enhancing partnerships between regulators and researchers. Guided by the learning health system framework, we explore strategic opportunities to create a "learning regulatory system" by highlighting scientific, social, technological, policy, legal, and ethical considerations. Insights from our dialogue reinforce the need for intentional investment in collaborative infrastructure to support continuous improvement and innovation in nursing regulation.
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 | 0,128 | 0,078 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,014 | 0,015 |
| Études des sciences et des technologies | 0,036 | 0,014 |
| Communication savante | 0,028 | 0,009 |
| Science ouverte | 0,008 | 0,016 |
| Intégrité de la recherche | 0,010 | 0,010 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,011 | 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 ».