Unir nos forces en temps de crise : réflexions d’une leader en soins infirmiers oncologiques
Bibliographic record
Abstract
Charissa Cordon, docteure en éducation, infirmière, enseignante et leader, travaille dans les soins de santé depuis une vingtaine d’années. Elle a récemment été nommée vice-présidente associée à la pratique et à la formation du réseau hospitalier William Osler Health System. Elle a occupé plusieurs autres postes de leadership, notamment ceux de directrice d’une équipe encadrant la pratique professionnelle et les ressources cliniques, de cheffe de la pratique infirmière, et de cheffe de la pratique interprofessionnelle. Forte de sa riche expérience, notamment en tant que leader du changement transformationnel en soins infirmiers, elle a dirigé plusieurs initiatives locales, provinciales et nationales. M(me) Cordon a prononcé le discours d’ouverture de la conférence annuelle de l’ACIO/CANO 2023. À cette occasion, elle a fait part d’expériences personnelles qui ont construit ses valeurs et ses principes en tant que leader. Elle a aussi expliqué comment elle puise dans sa force intérieure pour exercer un leadership inspirant et positif en temps de crise. Aujourd’hui, alors que se poursuivent les efforts de relance post-pandémie, les infirmières et les leaders en soins infirmiers doivent continuer à travailler de concert pour soutenir les membres qui font leurs débuts dans la profession. Nous devons, encore et toujours, nous aider et nous motiver entre nous, encourager les leaders de demain et agir de manière positive et inspirante. En temps de crise, il nous faut nous appuyer sur nos forces, tant individuelles que collectives.
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 | 0.034 | 0.069 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.003 | 0.002 |
| Science and technology studies | 0.022 | 0.026 |
| Scholarly communication | 0.020 | 0.019 |
| Open science | 0.003 | 0.015 |
| Research integrity | 0.009 | 0.023 |
| Insufficient payload (model declined to judge) | 0.009 | 0.002 |
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".