Determinants and outcomes of advanced practice nurses’ leadership behaviours: an AI-aided mixed-methods systematic review protocol
Notice bibliographique
Résumé
BACKGROUND: Advanced practice nurses play a vital role in healthcare innovation, delivering high-quality care and improving patient outcomes. Leadership is a core competency of advanced practice nurses, empowering them to drive systemic improvements and foster collaboration. However, these master-level educated nurses often encounter challenges in assuming leadership roles, including limited recognition and competing demands on their time. The growing volume of healthcare-related research, combined with the lack of a comprehensive evidence base on the determinants and outcomes of their leadership behaviours, complicates the development of effective programmes. This protocol outlines a systematic approach to addressing these challenges, using an AI tool to efficiently manage the expanding evidence base and provide a detailed understanding of the factors influencing advanced practice nurses' leadership behaviours. METHODS: This protocol follows the PRISMA-P 2015 guidelines to outline a systematic review investigating the determinants and outcomes of advanced practice nurses' leadership behaviours. It employs the SPIDER tool for eligibility criteria, encompassing studies that explore advanced practice nursing leadership behaviours and their determinants and outcomes. Eligible studies include quantitative, qualitative and mixed-methods research, focusing on advanced practice nursing roles. The protocol also outlines a workflow for AI-aided title and abstract screening using ASReview LAB, incorporating multi-phase human validation to ensure accuracy and reliability. Data synthesis will utilise narrative synthesis for quantitative data and meta-aggregation for qualitative findings, integrating results through narrative weaving. DISCUSSION: This protocol addresses a critical gap in nursing research by systematically exploring the determinants influencing advanced practice nurses' leadership behaviours and their outcomes. It provides evidence to inform the development of tailored programmes aimed at empowering advanced practice nurses to maximise their leadership potential. Additionally, the protocol demonstrates how AI tools can enhance systematic review efficiency while maintaining methodological rigour. The findings will not only contribute to advancing nursing practice but also highlight the transformative potential of AI in research synthesis, ensuring timely and robust evidence generation amidst the expanding volume of healthcare-related research. SYSTEMATIC REVIEW REGISTRATION: PROSPERO CRD42025644174.
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 | 0,123 | 0,155 |
| Méta-épidémiologie (sens strict) | 0,005 | 0,006 |
| Méta-épidémiologie (sens large) | 0,011 | 0,011 |
| Bibliométrie | 0,014 | 0,013 |
| Études des sciences et des technologies | 0,004 | 0,005 |
| Communication savante | 0,007 | 0,006 |
| Science ouverte | 0,005 | 0,005 |
| Intégrité de la recherche | 0,007 | 0,007 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,086 | 0,014 |
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 ».