Développement d’un modèle de pratique infirmière avancée intégrant l’infirmière clinicienne spécialisée dans une clinique de gestion de la douleur
Bibliographic record
Abstract
Les cliniques de gestion de la douleur chronique (DC) jouent un rôle clé dans le soutien et le traitement des patients. Cependant, les longs délais d'attente, atteignant parfois plusieurs années comme à la clinique de l’Hôpital Maisonneuve-Rosemont (8,4 ans en février 2023 contre une moyenne provinciale de 16 mois), constituent un défi majeur. Ces retards sont causés par des problèmes structurels et organisationnels communs au réseau de santé québécois. L'intégration des pratiques infirmières avancées (PIA), notamment le rôle des infirmières cliniciennes spécialisées (ICS), pourrait significativement améliorer l'accès et la qualité des soins en gestion de la douleur. Une telle approche optimiserait les trajectoires de soins, augmenterait la satisfaction des patients et réduirait les coûts (Staples, Ray et Hannon, 2017). Cette étude utilisant l’approche Delphi modifiée vise à concevoir un modèle de PIA adapté du modèle pancanadien (Association des infirmières et des infirmiers du Canada, 2019), intégrant les ICS. Elle a pour objectif d'obtenir un consensus d'experts et de proposer un modèle spécifique au contexte de la douleur chronique. Un consensus élevé (96,8 %) a été atteint auprès de 13 experts après trois rondes, soulignant la collaboration comme compétence clé. Cette initiative représente une opportunité de développement significative pour les soins analgésiques au Québec et au-delà, nécessitant un soutien organisationnel et réglementaire accru pour son implémentation.
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 | 0.007 | 0.012 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.002 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.002 | 0.002 |
| Scholarly communication | 0.007 | 0.004 |
| Open science | 0.002 | 0.003 |
| Research integrity | 0.002 | 0.002 |
| Insufficient payload (model declined to judge) | 0.012 | 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".