Le transfert des connaissances en soins de plaies chez les infirmières : une revue intégrative des écrits
Bibliographic record
Abstract
Introduction : faisant partie intégrante des soins infirmiers, les soins de plaies représentent un enjeu de santé publique et sont une préoccupation. Contexte : en dépit des guides de pratique et l’existence de lignes directrices, un écart persiste entre les données probantes et la pratique clinique. Objectifs : faire l’état de la situation et répertorier les obstacles au transfert optimal des connaissances en soins de plaies chez les infirmières. Méthode : une revue intégrative suivant la méthodologie de Whittemore et Knafl (2005) a été effectuée. La recherche des données reliées au transfert des connaissances en soins de plaies dans la pratique infirmière a été réalisée dans six bases de données. Résultats : parmi les 82 écrits répertoriés, 13 articles ont été retenus pour l’analyse. Les écrits, tous publiés en anglais, soulèvent l’écart entre la théorie et la pratique infirmière en soins de plaies. Des obstacles reliés aux connaissances, aux attitudes et au contexte contribuent à entretenir celui-ci. Discussion : les soins infirmiers auraient avantage à être optimisés relativement aux soins de plaies. La situation des nouvelles infirmières et la réalité des milieux de soins ruraux sont peu explorées dans ce contexte. Conclusion : un plan stratégique adapté à chaque établissement de santé permettrait d’améliorer la qualité de la pratique en soins de plaies.
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 | 0.009 | 0.023 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.005 | 0.003 |
| Bibliometrics | 0.011 | 0.013 |
| Science and technology studies | 0.001 | 0.002 |
| Scholarly communication | 0.005 | 0.004 |
| Open science | 0.002 | 0.002 |
| Research integrity | 0.003 | 0.002 |
| Insufficient payload (model declined to judge) | 0.004 | 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".