Étude sur les déterminants de l'intention des infirmières de première ligne d'utliser le Dossier de santé du Québec (DSQ) dans leurs activités cliniques
Bibliographic record
Abstract
Les technologies de l’information et des communications sont perçues comme étant une solution potentielle aux problèmes actuels du système de santé québécois. Elles peuvent servir d’outils qui soutiennent les organisations et les pratiques professionnelles afin d’augmenter la qualité et l’efficience des soins et des services de santé. Au Québec, le Dossier de santé du Québec (DSQ) est considéré comme étant la pierre angulaire permettant l’intégration d’un ensemble d’informations utiles au suivi des patients. Pour en mesurer les bénéfices sur tout le système de santé, il faut d’abord que les professionnels de la santé s’approprient cette innovation. La perception des infirmières est essentielle à sa mise en œuvre puisqu’elles peuvent influencer son succès. Cette étude vise l’identification des facteurs qui influencent l’intention des infirmières d’utiliser le DSQ dans leurs activités cliniques. Un questionnaire reposant sur la théorie du comportement planifié a été envoyé à 199 infirmières de première ligne. Les résultats de l’analyse de régression multiple réalisée à partir des 102 questionnaires retournés indiquent que la perception du contrôle, l’attitude et les croyances normatives permettent d’expliquer 58% de la variance de l’intention des infirmières de première ligne d’utiliser le DSQ. Les résultats suggèrent qu’une intervention visant la croyance comportementale à l’effet que le DSQ améliorera la qualité des soins pourrait favoriser son utilisation. Des interventions devraient également viser la perception du contrôle des infirmières afin de favoriser leur adoption du DSQ.
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 | 0.004 | 0.010 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.002 | 0.001 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.001 | 0.001 |
| 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".