Bibliographic record
Abstract
Sjuksköterskestudenter får tidigt i utbildningen lära sig att de ska ta hänsyn till patientens sociala sammanhang. Faktorer som genus, etnicitet och ålder lyfts upp som väsentliga i omvårdnaden, men verktyg som kan hjälpa sjuksköterskan att resonera kring dessa faktorer är få. Ett av genusvetenskapens grundläggande begrepp, intersektionalitet, undersöker vad faktorer som exempelvis genus, etnicitet och ålder kan ha för påverkan på människors liv och upplevelser. Syftet med denna litteraturstudie är att undersöka hur sjuksköterskan kan använda sig av ett intersektionellt perspektiv i praktiserandet av god omvårdnad. Med hjälp av ett teoretiskt ramverk innehållande personcentrerad vård och intersektionalitet önskar denna litteraturstudie att begripliggöra hur intersektionalitetsbegreppet kan appliceras på sjuksköterskans profession, med målet att främja jämlik hälsa och sjukvård. En litteratursökning i databaserna Cinahl och Pubmed gjordes och tio kvalitativa artiklar fick utgöra grunden för resultatet. Artiklarna analyserades och kategorierna - Sjuksköterskan, intersektionalitet och utbildning, - Sjuksköterskan, intersektionalitet och praktisk omvårdnad, - Sjuksköterskan, intersektionalitet och arbetet för jämlik hälsa och sjukvård, och Sjuksköterskan, intersektionalitet och forskning identifierades. Resultatet visar att sjuksköterskan bör använda sig av ett intersektionellt perspektiv i både utbildning, praktisk omvårdnad och forskning. Detta för att god omvårdnad och god hälsa skall upplevas hos patienten såväl som hos samhällets befolkning. De slutsatser som kan dras utifrån denna studie är bland annat att sjuksköterskan med hjälp av ett intersektionellt perspektiv kan medvetandegöra, problematisera och reflektera över vilka kunskapssyner, människosyner och maktmekanismer som finns i både sjukvården och i omvårdnadsvetenskapen. Om dessa dominanta diskurser och maktrelationer osynliggörs blir arbetet mot målet, vilket alltid bör vara rättvisa och jämlikhet, för sjuksköterskan svårare. Därför erbjuder ett intersektionellt perspektiv verktyg till sjuksköterskan i hens strävan efter jämlik och rättvis hälsa och sjukvård.
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 | 0.015 | 0.067 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.002 | 0.003 |
| Bibliometrics | 0.007 | 0.008 |
| Science and technology studies | 0.003 | 0.002 |
| Scholarly communication | 0.008 | 0.005 |
| Open science | 0.002 | 0.004 |
| Research integrity | 0.002 | 0.003 |
| Insufficient payload (model declined to judge) | 0.069 | 0.013 |
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".