Evidence-based practice: implications for the practising oncology nurse.
Notice bibliographique
Résumé
While the premises of EBP seem highly appropriate on the surface, disquieting questions are raised when one examines the implications for the practising oncology nurse of attempting to implement EBP. There are clinical situations for which no empirical evidence exists on which to base nursing decisions. In some cases, empirical evidence is sparse and based on a mix of small, descriptive studies. Although guidelines exist for examining purely quantitative literature and are being developed for examining purely qualitative literature, no guidelines exist for evaluating a mixture. The process of operationalizing EBP is time-consuming and requires expertise which many oncology nurses lack. Does this mean that EBP is a laudable but impossible enterprise? I don't think so. Nurses will need to incorporate the empirical literature as well as other sources of knowledge to inform their clinical decision-making. In addition, oncology nurses need to apply and adapt models, such as Howell and Pelton's (2001), to make the best use of all sources of knowledge to facilitate excellent patient care.
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 | 0,127 | 0,345 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,001 |
| Bibliométrie | 0,005 | 0,006 |
| Études des sciences et des technologies | 0,003 | 0,011 |
| Communication savante | 0,013 | 0,016 |
| Science ouverte | 0,005 | 0,008 |
| Intégrité de la recherche | 0,021 | 0,016 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,009 | 0,004 |
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 ».