Normalization of Neglect: A Grounded Theory of RNs’ Experiences as Family Caregivers of Hospitalized Seniors
Bibliographic record
Abstract
RÉSUMÉ Souvent le personnes plus âgées, tout en maintenant un certain niveau d’indépendance, comptent sur les membres de leur famille de fournir des soins et de l’assistance. Les aidants naturels qui sont aussi des infirmières autorisées (IA) peuvent fournir une perspective différente de ce qui est vécu quand leur parent âgé est admis aux soins aigus. Le but de notre recherche était d’étudier et de développer une théorie relative à la prestation de soins infirmiers, comme décrit par les IA, qui étaient les aidants naturels pour les adultes plus âgés, lorsque cette personne âgée a été admis aux soins actifs. Pendant une période de six mois en 2011, les infirmières autorisées qui ont satisfait ce critère (n = 12) ont été interrogées individuellement. Nous avons identifié deux categories centrales: “Culture de la negligence” et “Veille par le chevet.” La catégorie de base “de la Normalisation de la Négligence» a été identifié comme la théorie, fondée sur les données que les participants ont fournies qui décrivaient une culture de la négligence qui a normalisé les soins infirmiers de qualité inférieure. Ces résultats mettent en évidence la question de la négligence et de l’abus, et une enquête plus approfondie est justifiée.
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 | 0.019 | 0.025 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.003 | 0.002 |
| Science and technology studies | 0.009 | 0.023 |
| Scholarly communication | 0.007 | 0.008 |
| Open science | 0.003 | 0.007 |
| Research integrity | 0.002 | 0.003 |
| Insufficient payload (model declined to judge) | 0.002 | 0.000 |
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".