Optimising patient care in oncology nursing using the McGill Model of Nursing
Notice bibliographique
Résumé
Izhodišča: McGillov model zdravstvene nege je celostni, sodelovalni pristop, ki poudarja aktivno vlogo pacienta, vključevanje bližnjih in krepitev psihosocialne podpore. Kljub uveljavljenosti v mednarodnem prostoru njegova uporaba v slovenski klinični praksi še ni bila raziskana. Namen raziskave je bil ovrednotiti, v kolikšni meri medicinske sestre na področju onkološke zdravstvene nege uporabljajo pristope McGillovega modela, ki vključujejo sodelovanje pacientov, vključevanje družinskih članov in krepitev psihosocialne podpore. Metode: V kvantitativni presečni raziskavi je bilo k sodelovanju povabljenih približno 400 medicinskih sester, zaposlenih na področju onkološke zdravstvene nege. Vprašalnik je pričelo izpolnjevati 166 oseb, od tega ga je popolnoma izpolnilo 126 (odzivnost 31,5 % glede na populacijo medicinskih sester zaposlenih na področju onkološke zdravstvene nege). Večina anketirancev je bila ženskega spola (77,8 %). Povprečna starost anketirancev je bila 37,71 leta (s = 8,07) s povprečno delovno dobo na področju onkološke zdravstvene nege 9,66 leta (s = 7,93). Analiza je temeljila le na popolnoma rešenih vprašalnikih. Podatke smo zbrali z novo razvito lestvico, ki temelji na McGillovem sodelovalnem modelu. Anketiranci so trditve ocenjevali na petstopenjski lestvici, ki meri pogostost izvajanja pristopov ali stopnjo strinjanja z izjavo. Izvedli smo eksploratorno in konfirmatorno faktorsko analizo, Wilcoxonove in Mann–Whitneyjeve teste ter Spearmanovo korelacijo. Rezultati: Faktorska analiza je potrdila tri konstrukte, ki pojasnjujejo 65,3 % skupne variance (KMO = 0,896
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».