Birey/ailenin sağlığını geliştirmek ve güçlendirmek için bir model: McGill Hemşirelik Modeli
Bibliographic record
Abstract
Bilimdeki ilerlemeler, hemşirelik mesleğinin de kendine özgü bilimsel bilgi içeriğini oluşturmasını zorunlu bir hale getirmiştir. Bu bağlamda hemşire liderler, mesleğe katkı sağlayacak olan model ve kuram geliştirmenin önemini vurgulamışlardır. Başlangıçta hemşirelik eğitiminin kavramsal çerçevesini oluşturmak için bir rehber olarak kullanılan kuramlar daha sonra hemşirelik uygulamalarını da etkilemiştir. Temelinde birey ve ailesinin gelişimini ele alan McGill Hemşirelik Modeli bu modellerden biridir. Model, ilk kez 1970’li yıllarda Dr. Moyra Allen ve Mona Kravitz’in rehberliğinde, Kanada’da McGill Hemşirelik Fakültesi’nde geliştirilmiş olup halen Kanada’da farklı sağlık kurumlarında kullanılmaktadır. Modelin oluşum sürecinde, “Durum Duyarlı Hemşirelik”, “Allen’in Hemşirelik Modeli”, “Tamamlayıcı Hemşirelik”, “Sağlık ve Hemşireliğin Gelişimsel Modeli” gibi farklı adlar kullanılmıştır. Modelin temel hedefi , birey ve ailesinin sağlığını geliştirmek, güçlendirmek ve sürdürmektir. Modelde mevcut koşullar, hastalıklar, sakatlıklar ve diğer rahatsızlıklardan doğabilecek zorlukları yenmek için, birey ve ailesinin kapasitesinin arttırılması, desteklenmesi, tamamlanması ve ‘doğal iyileşme’ sürecine uyumları sırasında, hemşireliğin üstlendiği rolün önemi vurgulanmıştır. Bu derlemenin amacı; McGill Hemşirelik Modeli’nin kavramsal çerçevesini açıklamak ve modelin ülkemiz hemşirelik uygulamalarında kullanılmasına rehberlik etmektir.Anahtar Kelimeler: Hemşire, kuram, aile, bütüncül bakım, güçlendirme
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.002 | 0.004 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.001 | 0.004 |
| Scholarly communication | 0.005 | 0.004 |
| Open science | 0.003 | 0.002 |
| Research integrity | 0.002 | 0.002 |
| Insufficient payload (model declined to judge) | 0.005 | 0.001 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".