Étude descriptive des facteurs facilitant et contraignant le développement de la compétence des infirmières en soins critiques
Bibliographic record
Abstract
Dans la littérature, peu d’études portent sur le développement de la compétence en soins critiques. Reconnaissant que la pratique infirmière se veut différente dans ces unités de soins et que l’effectif infirmier se voit de moins en moins expérimenté, cette étude a pour objectif de décrire les facteurs facilitant et contraignant le développement de la compétence des infirmières qui œuvrent en soins critiques. L’entrevue semi-dirigée basée sur un cadre de référence inspiré des savoirs de Chinn et Kramer (2008) a été utilisée pour recueillir des données auprès de 10 infirmières, catégorisées selon les stades de compétence de Benner (1995). Ainsi, les résultats ont démontré que 27 facteurs regroupés selon une perspective individuelle, contextuelle et organisationnelle facilitent ou contraignent le développement de la compétence des infirmières aux soins intensifs. Bien que quelques facteurs aient préalablement été recensés dans la littérature, plusieurs facteurs décrits dans l’étude actuelle ont été explicités pour une première fois. Finalement, des recommandations pour la formation, la recherche et la pratique infirmière sont exposées.
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 | 0.014 | 0.044 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.004 | 0.004 |
| Science and technology studies | 0.003 | 0.004 |
| Scholarly communication | 0.005 | 0.005 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.008 | 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".