Desenvolvimento de Competências em Enfermagem à Pessoa em Situação Crítica
Bibliographic record
Abstract
Serve o seguinte relatório como forma de descrição do processo de desenvolvimento de conhecimentos e competências especializadas adquiridas através da conclusão de três ensinos clínicos, no âmbito do 6º Mestrado em Enfermagem à Pessoa em Situação Crítica, com posterior acesso ao título de Enfermeiro Especialista em Enfermagem Médico Cirúrgica no âmbito da Pessoa em Situação Crítica. Os três ensinos clínicos decorreram no 2º semestre de 2018 e 1º semestre de 2019, nomeadamente no Serviço de Urgência, na Unidade de Cuidados Intensivos Polivalente do Hospital Distrital de Santarém e na Clínica de Hemodiálise DaVita – Gaeiras, tendo tido cada ensino clínico 180 horas cada um. Numa primeira parte, são descritos de forma sumária as atividades, reflexões e conhecimentos adquiridos no contexto de aquisição e domínio das competências comuns e específicas do Enfermeiro Especialista em Enfermagem Médico-Cirúrgica à Pessoa em Situação Crítica ao longo dos ensinos clínicos. Na segunda parte deste relatório, será apresentada uma Revisão Sistemática da Literatura relativamente a uma temática que pode vir a ser uma mais valia no âmbito da qualidade e segurança dos cuidados de Enfermagem prestados, relativamente à eficácia da utilização da Canadian C-Spine Rule por Enfermeiros em vítimas de trauma.
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 | 0.014 | 0.020 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.002 | 0.003 |
| Science and technology studies | 0.013 | 0.017 |
| Scholarly communication | 0.012 | 0.006 |
| Open science | 0.002 | 0.011 |
| Research integrity | 0.003 | 0.004 |
| Insufficient payload (model declined to judge) | 0.011 | 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".