Perceptions infirmières quant à la réalisation de la collecte des données auprès de la clientèle à l'urgence, étape préalable à la formulation du jugement clinique infirmier
Bibliographic record
Abstract
Depuis l’adoption de la Loi 90 en 2002, la Loi sur les infirmières et infirmiers (LII, article 36) confère une autonomie élargie aux infirmières en reconnaissant, notamment, leur compétence et leur responsabilité à l’égard de l’évaluation clinique qui est représentée dans cette loi comme l’assise de l’exercice infirmier (Pellerin, 2009; OIIQ, 2010). La collecte des données constitue une étape fondamentale du processus d’évaluation clinique (Dillon, 2007; Doyon, Brûlé & Cloutier, 2002; Pellerin, 2009; Weber & Kelley, 2007). L’infirmière d’urgence a une responsabilité majeure à l’égard de la collecte des données. En effet, elle œuvre auprès de clientèles de tous âges qui présentent des problèmes de santé variés, aigus et parfois urgents et doit souvent intervenir, sur la base de son évaluation clinique, avant qu’un diagnostic n’ait été établi ou que le patient n’ait été vu par le médecin (Newberry & Criddle, 2005). Or, malgré toute l’importance que revêtent dorénavant l’évaluation clinique et la collecte des données au sens de la loi, ce rôle de l’infirmière semble tarder à s’actualiser dans la pratique clinique. \nLe but de cette étude qualitative descriptive consiste à explorer les perceptions d’infirmières, de gestionnaires en soins infirmiers et d’infirmières ressources cliniques d’urgence relativement à la réalisation de la collecte des données. La norme clinique « collecte des données » (assessment) de l’Emergency Nurses Association (1999) constitue le cadre de référence de l’étude. Cinq entrevues individuelles semi-dirigées de 60 minutes ainsi qu’un groupe de discussion de 90 minutes ont été réalisés auprès d’infirmières d’urgence. Un deuxième groupe de discussion a également réuni deux gestionnaires en soins infirmiers et deux infirmières ressources cliniques de l’urgence. Les données recueillies ont été analysées selon l’approche proposée par Miles et Huberman (2003). Les résultats obtenus démontrent que les infirmières considèrent la collecte des données comme un aspect fondamental de leur pratique à l’urgence, qui contribue à améliorer la qualité et la sécurité des soins dispensés. Or, les résultats révèlent également que leur compréhension de la collecte des données est variable, que leur pratique est aléatoire et largement influencée par le modèle biomédical. Plusieurs facteurs influencent la pratique des infirmières relativement à la collecte des données notamment : la conception individuelle de la collecte des données et du rôle infirmier, les relations et l’interaction avec les membres de l’équipe des soins infirmiers et les autres professionnels ainsi que le soutien de l’organisation et des gestionnaires en soins infirmiers. Ce dernier facteur semble prépondérant dans le contexte de l’urgence et démontre que le soutien des gestionnaires et des infirmières ressources cliniques influence de façon importante la pratique dans les milieux cliniques. Cette étude propose des pistes de réflexion sur la formation académique, la formation continue, l’administration des soins infirmiers et la collaboration interprofessionnelle qui pourraient faciliter l’actualisation du rôle des infirmières à l’égard de la collecte des données et de l’évaluation clinique afin d’améliorer la qualité des soins dispensés à l’urgence.
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 | 0.010 | 0.026 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.003 | 0.006 |
| Scholarly communication | 0.005 | 0.005 |
| Open science | 0.001 | 0.004 |
| Research integrity | 0.002 | 0.006 |
| Insufficient payload (model declined to judge) | 0.022 | 0.003 |
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".