Traduire la recherche en pratique : premier énoncé de position du Canada sur les soins infirmiers en oncologie basés sur la génomique
Bibliographic record
Abstract
L’intégration de la génomique aux soins oncologiques s’accélère au Canada et améliore le dépistage, le diagnostic et les thérapies ciblées, offrant de nouvelles possibilités aux infirmières de contribuer à rétablir l’état de santé des patients. Cependant, les infirmières ont dit avoir besoin d’une orientation stratégique pour clarifier leurs rôles et leurs responsabilités en tant que membres des équipes interprofessionnelles fournissant des services en génomique. En réponse, l’Initiative canadienne sur les soins infirmiers et la génomique de Canadian Nursing & Genomics, en collaboration avec l’Association canadienne des infirmières en oncologie (ACIO/CANO) et un groupe de travail interdisciplinaire, a rédigé le premier énoncé de position pancanadien encadrant la pratique infirmière en oncologie basée sur la génomique. Pour encourager la participation au processus et la mise en œuvre de l’énoncé de position, le présent article en justifie l’élaboration ainsi que le rôle des énoncés de position dans le soutien de la pratique infirmière et de l’innovation dans les soins infirmiers oncologiques basés sur la génomique. Il décrit également la structure de gouvernance et la méthodologie de co-conception qui ont facilité son élaboration collaborative et interdisciplinaire, et ce qui rend cette approche essentielle pour la défense des intérêts des infirmières, le transfert intégré des connaissances et l’engagement continu. Enfin, il formule des recommandations aux infirmières en oncologie pour traduire l’énoncé de position en changements pratiques. Il s’agit d’une étape préliminaire pour faire avancer l’intégration de la génomique dans les soins oncologiques et garantir que la pratique infirmière demeure à l’avant-garde de l’innovation. Mots-clés : génomique, soins infirmiers, politiques, génétique, connaissances en génomique, perfectionnement de la main-d’œuvre
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 | 0.027 | 0.045 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.003 | 0.004 |
| Science and technology studies | 0.030 | 0.021 |
| Scholarly communication | 0.022 | 0.007 |
| Open science | 0.003 | 0.013 |
| Research integrity | 0.005 | 0.011 |
| Insufficient payload (model declined to judge) | 0.015 | 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".