Bibliographic record
Abstract
Plusieurs organismes provinciaux canadiens de lutte contre le cancer ont adopté un modèle de navigation des patients dirigé par des infirmières afin de réduire la fragmentation des soins dans le système. Au Canada, le champ de compétences de l’infirmière pivot en oncologie (IPO) a évolué en fonction des nouveaux défis liés aux soins. La présente revue intégrative vise à définir le champ de compétences de l’IPO au Canada. Trois bases de données ont été consultées dès le début afin de recenser les études et les articles théoriques sur le rôle de l’IPO au Canada. Cette recherche a produit 62 articles, dont 39 ont été retenus, permettant de dégager trois fonctions principales interdépendantes. La première concerne la coordination des soins et met en évidence le rôle de l’IPO en tant que coordonnatrice des besoins médicaux et pratiques des patients tout au long de leur parcours de soins. La deuxième fait de l’IPO une agente de changement ayant pour mission d’améliorer les connaissances médicales des patients, de créer des partenariats et d’instaurer des relations de confiance. Les IPO sont également perçues comme des garantes du bien-être, toujours soucieuses des besoins émotionnels et multidimensionnels, et comme des vecteurs de transformation des milieux de soins. Toutes ces fonctions jouent un rôle important pour que l’infirmière pivot parvienne à réduire les inégalités de soins et à améliorer le devenir des patients dans tous les milieux de soins.
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 | 0.001 | 0.004 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.002 | 0.003 |
| Science and technology studies | 0.005 | 0.004 |
| Scholarly communication | 0.006 | 0.003 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.002 | 0.001 |
| Insufficient payload (model declined to judge) | 0.029 | 0.005 |
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".