Implementación y sostenibilidad de las guías de enfermería basadas en la evidencia: modelo de la RNAO
Bibliographic record
Abstract
Introducción. Se reconoce que uno de los aportes de la enfermería basada en la evidencia (EBE) es el mejoramiento de la calidad de la atención y existen organizaciones como la Asociación de Enfermeras Registradas de Ontario (RNAO) que han desarrollado guías de práctica clínica y estrategias metodológicas para su implementación. El objetivo de este artículo es describir la experiencia y reflexiones sobre el proceso de implementación de guías de EBE de la RNAO, haciendo énfasis en los resultados de adherencia y sostenibilidad de tres guías en una institución de tercer nivel. Temas de reflexión. La organización RNAO ha elaborado una herramienta de implementación según el modelo de Proceso de Conocimiento para la Acción que implica seis fases: identificación del problema, adaptación al contexto local, evaluación de los facilitadores y barreras para el uso del conocimiento, adaptación, implantación de intervenciones / estrategias de implementación, monitorización, evaluación y sostenibilidad. Todas estas se adelantaron para implementar inicialmente tres guías (“Valoración y manejo del dolor”, “Prevención de caídas y lesiones derivadas de las caídas” y “Valoración del riesgo de lesiones de piel por presión”), en una institución de tercer nivel. Conclusiones. La auditoría y verificación periódica de las estrategias implementadas promueve la adherencia del personal de los servicios en el cumplimiento de las metas institucionales y la sostenibilidad del cambio logrado.
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 | 0.031 | 0.047 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.003 |
| Bibliometrics | 0.005 | 0.003 |
| Science and technology studies | 0.002 | 0.010 |
| Scholarly communication | 0.011 | 0.010 |
| Open science | 0.003 | 0.007 |
| Research integrity | 0.005 | 0.004 |
| Insufficient payload (model declined to judge) | 0.009 | 0.002 |
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".