Innovaciones en inteligencia artificial de la RNAO: Una estrategia novedosa para avanzar en las prácticas de enfermería basadas en evidencia

La inteligencia artificial y metodologías de aprendizaje automático, como la predicción, reconocimiento de patrones, o inferencia general basada en datos utilizados en aspectos clínicos, deben encajar entre las razones previstas para su desarrollo. El objetivo de este artículo es brindar detalles no...

Full description

Autores:: Naik, Shanoja
Grinspun, Doris

Tipo de recurso:: Article of investigation

Fecha de publicación:: 2024

Institución:: Universidad Autónoma de Bucaramanga - UNAB

Repositorio:: Repositorio UNAB

Idioma:: spa

id	UNAB2_dba485cc7f3f33af23f0d936e11ada22
oai_identifier_str	oai:repository.unab.edu.co:20.500.12749/27783
network_acronym_str	UNAB2
network_name_str	Repositorio UNAB
repository_id_str
dc.title.spa.fl_str_mv	Innovaciones en inteligencia artificial de la RNAO: Una estrategia novedosa para avanzar en las prácticas de enfermería basadas en evidencia
dc.title.translated.eng.fl_str_mv	RNAO’s Artificial Intelligence Innovations: A Novel Strategy to Advance Evidence-Based Nursing Practice
dc.title.translated.por.fl_str_mv	Inovações em inteligência artificial da RNAO: uma nova estratégia para avançar nas práticas de enfermagem baseadas em evidências
title	Innovaciones en inteligencia artificial de la RNAO: Una estrategia novedosa para avanzar en las prácticas de enfermería basadas en evidencia
spellingShingle	Innovaciones en inteligencia artificial de la RNAO: Una estrategia novedosa para avanzar en las prácticas de enfermería basadas en evidencia Guías de Práctica Clínica como Asunto Enfermería Basada en la Evidencia Aprendizaje Automático Inteligencia Artificial Sistemas de Información en Salud Medical sciences Life sciences Health sciences Practice Guidelines as Topic Evidence-Based Nursing Machine Learning Artificial Intelligence Health Information Systems Guias de Prática Clínica como Assunto Enfermagem Baseada em Evidências Aprendizado de Máquina Inteligência Artificial Sistemas de Informação em Saúde Ciências médicas Ciências da vida Ciências da saúde Ciencias médicas Ciencias de la vida Ciencias de la salud
title_short	Innovaciones en inteligencia artificial de la RNAO: Una estrategia novedosa para avanzar en las prácticas de enfermería basadas en evidencia
title_full	Innovaciones en inteligencia artificial de la RNAO: Una estrategia novedosa para avanzar en las prácticas de enfermería basadas en evidencia
title_fullStr	Innovaciones en inteligencia artificial de la RNAO: Una estrategia novedosa para avanzar en las prácticas de enfermería basadas en evidencia
title_full_unstemmed	Innovaciones en inteligencia artificial de la RNAO: Una estrategia novedosa para avanzar en las prácticas de enfermería basadas en evidencia
title_sort	Innovaciones en inteligencia artificial de la RNAO: Una estrategia novedosa para avanzar en las prácticas de enfermería basadas en evidencia
dc.creator.fl_str_mv	Naik, Shanoja Grinspun, Doris
dc.contributor.author.none.fl_str_mv	Naik, Shanoja Grinspun, Doris
dc.contributor.orcid.spa.fl_str_mv	Naik, Shanoja [0000-0002-5742-6075] Grinspun, Doris [0000-0002-2499-9766]
dc.subject.spa.fl_str_mv	Guías de Práctica Clínica como Asunto Enfermería Basada en la Evidencia Aprendizaje Automático Inteligencia Artificial Sistemas de Información en Salud
topic	Guías de Práctica Clínica como Asunto Enfermería Basada en la Evidencia Aprendizaje Automático Inteligencia Artificial Sistemas de Información en Salud Medical sciences Life sciences Health sciences Practice Guidelines as Topic Evidence-Based Nursing Machine Learning Artificial Intelligence Health Information Systems Guias de Prática Clínica como Assunto Enfermagem Baseada em Evidências Aprendizado de Máquina Inteligência Artificial Sistemas de Informação em Saúde Ciências médicas Ciências da vida Ciências da saúde Ciencias médicas Ciencias de la vida Ciencias de la salud
dc.subject.keywords.eng.fl_str_mv	Medical sciences Life sciences Health sciences Practice Guidelines as Topic Evidence-Based Nursing Machine Learning Artificial Intelligence Health Information Systems
dc.subject.keywords.por.fl_str_mv	Guias de Prática Clínica como Assunto Enfermagem Baseada em Evidências Aprendizado de Máquina Inteligência Artificial Sistemas de Informação em Saúde Ciências médicas Ciências da vida Ciências da saúde
dc.subject.lemb.spa.fl_str_mv	Ciencias médicas Ciencias de la vida Ciencias de la salud
description	La inteligencia artificial y metodologías de aprendizaje automático, como la predicción, reconocimiento de patrones, o inferencia general basada en datos utilizados en aspectos clínicos, deben encajar entre las razones previstas para su desarrollo. El objetivo de este artículo es brindar detalles no técnicos de alto nivel, sobre la iniciativa y el acercamiento exhaustivo que fue tomado para integrar técnicas impulsadas por IA en prácticas de enfermería basadas en evidencia apropiadamente. Metodología. Un abordaje de múltiples enfoques por fases se consideró para desarrollar herramientas de inteligencia artificial. Este abordaje incluye la realización de una revisión integrativa, el análisis de datos para identificar patrones de intervención de impacto, el empleo de triangulación de datos, la mejora en la recolección de datos basados en estrategias de intervención de impacto, y el desarrollo de un prototipo (piloto) para una herramienta de inteligencia artificial. El proceso agrupa una prueba piloto, realización de pruebas y entrenamiento, validación, e implementación. Resultados. En esta etapa temprana de la prueba piloto de la herramienta, el enfoque principal fue identificar patrones de las diferentes fuentes de información recolectada por organizaciones de la salud. Este análisis reveló oportunidades para la generación de conocimiento, facilitó una implementación acelerada de las guías, y potenció la eficiencia de los recursos. Discusión. Enfocándose en un modelo basado en datos para informar acerca de las mejores prácticas para la implementación de guías e identificar las intervenciones con mayor impacto es facilitado por un extenso almacenamiento interno de datos. La triangulación de los enfoques para el desarrollo de la guía, la implementación y la evaluación contribuye al desarrollo de inteligencia artificial y metodologías de aprendizaje automático científicamente validadas. Conclusión. Cualquier técnica de inteligencia artificial requiere una gran cantidad de datos. Para proveer a organizaciones de la salud la mejor evidencia disponible, deben realizarse esfuerzos significativos para estructurar la recolección de datos y asegurar la calidad de estos antes de expandir el desarrollo de herramientas de inteligencia artificial.
publishDate	2024
dc.date.accessioned.none.fl_str_mv	2024-12-17T14:56:30Z
dc.date.available.none.fl_str_mv	2024-12-17T14:56:30Z
dc.date.issued.none.fl_str_mv	2024-07-31
dc.type.eng.fl_str_mv	Article
dc.type.coar.fl_str_mv	http://purl.org/coar/resource_type/c_6501
dc.type.coarversion.fl_str_mv	http://purl.org/coar/version/c_970fb48d4fbd8a85
dc.type.driver.none.fl_str_mv	info:eu-repo/semantics/article
dc.type.local.spa.fl_str_mv	Artículo
dc.type.coar.none.fl_str_mv	http://purl.org/coar/resource_type/c_2df8fbb1
dc.type.redcol.none.fl_str_mv	http://purl.org/redcol/resource_type/ART
format	http://purl.org/coar/resource_type/c_2df8fbb1
dc.identifier.issn.spa.fl_str_mv	i-ISSN 0123-7047 e-ISSN 2382-4603
dc.identifier.uri.none.fl_str_mv	http://hdl.handle.net/20.500.12749/27783
dc.identifier.instname.spa.fl_str_mv	instname:Universidad Autónoma de Bucaramanga UNAB
dc.identifier.reponame.spa.fl_str_mv	reponame:Repositorio Institucional UNAB
dc.identifier.repourl.spa.fl_str_mv	repourl:https://repository.unab.edu.co
dc.identifier.doi.none.fl_str_mv	https://doi.org/10.29375/01237047.4633
identifier_str_mv	i-ISSN 0123-7047 e-ISSN 2382-4603 instname:Universidad Autónoma de Bucaramanga UNAB reponame:Repositorio Institucional UNAB repourl:https://repository.unab.edu.co
url	http://hdl.handle.net/20.500.12749/27783 https://doi.org/10.29375/01237047.4633
dc.language.iso.spa.fl_str_mv	spa
language	spa
dc.relation.spa.fl_str_mv	https://revistas.unab.edu.co/index.php/medunab/article/view/4633/4059
dc.relation.uri.spa.fl_str_mv	https://revistas.unab.edu.co/index.php/medunab/issue/view/299
dc.relation.references.none.fl_str_mv	Nursing & Compassionate Care in the Age of Artificial Intelligence: Engaging the Emerging Future [Internet]. Ontario:RNAO;2020. Available from: https://rnao.ca/ sites/rnao-ca/files/RNAO-AMS_Report-Nursing_and_ Compassionate_Care_in_the_Age_of_AI_Final_For_ Media_Release_10.21.2020.pdf Dictionary.com [Internet] Artificial Intelligence. Definition & Meaning. Available from: https://www. dictionary.com/browse/artificial-intelligence Robert N. How artificial intelligence is changing nursing. Nurs Manage [Internet]. 2019;50(9):30-39. doi: https:// doi.org/10.1097/01.numa.0000578988.56622.21 Liao PH, Hsu PT, Chu W, Chu WC. Applying artificial intelligence technology to support decision-making in nursing: A case study in Taiwan. Health Inform J [Internet]. 2015;21(2):137–48. doi: https://doi. org/10.1177/1460458213509806 Buchanan C, Howitt ML, Wilson R, Booth RG, Risling T, Bamford M. Predicted influences of artificial intelligence on nursing education: Scoping review. JMIR Nursing [Internet]. 2021;4(1):e23933. doi: https://doi. org/10.2196%2F23933 Abbott MB, Shaw P. Virtual Nursing Avatars: Nurse Roles and Evolving Concepts of Care. Online J Issues Nurs [Internet]. 2016;21(3):7. doi: https://doi.org/10.3912/ ojin.vol21no03ppt39,05 McGrow K. Artificial intelligence: Essentials for nursing. Nursing. [Internet]. 2019;49(9):46–9. doi: https://doi. org/10.1097/01.nurse.0000577716.57052.8d Fritz RL, Dermody G. A nurse-driven method for developing artificial intelligence in “smart” homes for aging-in-place. Nurs Outlook [Internet]. 2019;67(2):140– 53. doi: https://doi.org/10.1016/j.outlook.2018.11.004 Compassion in a technological world: Advancing AMS’s strategic aims. AMS Healthcare [Internet]. 2018. Available from: https://www.ams-inc.on.ca/resource/ compassion-in-a-technological-world-advancing-amsstrategic- aims/ Zlotnik A, Alfaro MC, Pérez MCP, Gallardo-Antolín A, Martínez JMM. Building a Decision Support System for Inpatient Admission Prediction With the Manchester Triage System and Administrative Check-in Variables. CIN-Comput. Inform. Nurs [Internet]. 2016;34(5):224– 30. doi: https://doi.org/10.1097/cin.0000000000000230 Iqbal MJ, Javed Z, Sadia H, Qureshi IA, Irshad A, Ahmed R, et al. Clinical applications of artificial intelligence and machine learning in cancer diagnosis: looking into the future. Cancer Cell Int Internet]. 2021;21(1):270. doi: https://doi.org/10.1186/s12935-021-01981-1 Amisha, Malik P, Pathania M, Rathaur VK. Overview of artificial intelligence in medicine. J Family Med Prim Care [Internet]. 2019;8(7):2328–31. doi: https://doi. org/10.4103%2Fjfmpc.jfmpc_440_19 Institute of Medicine (US) Committee to Advise the Public Health Service on Clinical Practice Guidelines. Clinical Practice Guidelines: Directions for a New Program [Internet]. Field MJ, Lohr KN, editors. Washington (DC): National Academies Press (US); 1990. Available from: http://www.ncbi.nlm.nih.gov/books/NBK235751/ NQF: Measuring Performance [Internet] Washintong;2023. Available from: https://www. qualityforum.org/measuring_performance/measuring_ performance.aspx Grinspun D, Bajnok I. Transforming Nursing Through Knowledge: Best Practices in Guideline Development Implementation Science and Evaluation. [Internet]. Indianapolis:Sigma Theta Tau International;2018. 562p. Available from: https://sigma.nursingrepository.org/ items/6225f54f-0b19-4aaf-ad85-50b688a873f5 Grinspun D, Mazurek-Melnyk, B, Fineout-Overholt E, Naik S, Wallace K. Advancing Optimal Care With Robust Clincial Practice Guidelines. Evidence-Based Practice in Nursing & Healthcare [Internet]. Philadelphia: Lippincott Williams & Wilkins;2022. Available from: https://books.google.com.co/books?id=EPaBEAAAQBAJ& printsec=frontcover&hl=es#v=onepage&q&f=false Life Out of Sequence: A Data-Driven History of Bioinformatics. by Hallam Stevens [Internet]. San Francisco: Everand;2023. Available from: https://www. everand.com/book/169810452/Life-Out-of-Sequence- A-Data-Driven-History-of-Bioinformatics Singla S, Medeiros C, Naik S, Howitt L, Grinspun D. The Use of Artificial Intelligence Techniques in Nursing Data Systems: Scoping Review. MedUNAB [Internet]. 2023;26(3):512-521. doi: https://doi. org/10.29375/01237047.4634 Ronquillo CE, Peltonen LM, Pruinelli L, Chu CH, Bakken S, Beduschi A, et al. Artificial intelligence in nursing: Priorities and opportunities from an international invitational think-tank of the Nursing and Artificial Intelligence Leadership Collaborative. J Adv Nurs [Internet]. 2021;77(9):3707–17. doi: https://doi. org/10.1111/jan.14855 Buchanan C, Howitt ML, Wilson R, Booth RG, Risling T, Bamford M. Nursing in the age of artificial intelligence: protocol for a scoping review. JMIR Res Protoc [Internet]. 2020;9(4):e17490. doi: https://doi. org/10.2196%2F17490 von Gerich H, Moen H, Block LJ, Chu CH, DeForest H, Hobensack M, et al. Artificial Intelligence -based technologies in nursing: A scoping literature review of the evidence. Int J Nurs Stud [Internet]. 2022;127:104153. doi: https://doi.org/10.1016/j.ijnurstu.2021.104153 Naik S, Voong S, Bamford M, Smith K, Joyce A, Grinspun D. Assessment of the Nursing Quality Indicators for Reporting and Evaluation (NQuIRE) database using a data quality index. J Am Med Inform Assoc [Internet]. 2020;27(5):776–82. doi: https://doi.org/10.1093/jamia/ ocaa031 Naik S, Loft M, Autea M, Medeiros C, Singla S, Kim PS, et al. A case study on the assessment of sustaining evidence-based practice changes and outcomes using the Nursing Quality Indicators for Reporting and Evaluation® (NQuIRE®) data system [version 1; peer review: awaiting peer review]. MedEdPublish [Internet]. 2024. Available from: https://mededpublish.org/ articles/14-46/v1 Ahmad S, Jenkins M. Artificial Intelligence for Nursing Practice and Management: Current and Potential Research and Education. Comput Inform Nurs [Internet]. 2022;40(3):139–44. doi: https://doi.org/10.1097/ cin.0000000000000871
dc.rights.coar.fl_str_mv	http://purl.org/coar/access_right/c_abf2
dc.rights.uri.*.fl_str_mv	http://creativecommons.org/licenses/by-nc-nd/2.5/co/
dc.rights.local.spa.fl_str_mv	Abierto (Texto Completo)
dc.rights.creativecommons.*.fl_str_mv	Atribución-NoComercial-SinDerivadas 2.5 Colombia
rights_invalid_str_mv	http://creativecommons.org/licenses/by-nc-nd/2.5/co/ Abierto (Texto Completo) Atribución-NoComercial-SinDerivadas 2.5 Colombia http://purl.org/coar/access_right/c_abf2
dc.format.mimetype.spa.fl_str_mv	application/pdf
dc.publisher.grantor.spa.fl_str_mv	Universidad Autónoma de Bucaramanga UNAB
dc.publisher.faculty.spa.fl_str_mv	Facultad Ciencias de la Salud
dc.source.spa.fl_str_mv	Vol. 27 Núm. 1 (2024): abril - julio 2024: Salud Pública, Salud Materna, Exposición a la Violencia; 42-51
institution	Universidad Autónoma de Bucaramanga - UNAB
bitstream.url.fl_str_mv	https://repository.unab.edu.co/bitstream/20.500.12749/27783/1/Art%c3%adculo.pdf https://repository.unab.edu.co/bitstream/20.500.12749/27783/2/license.txt https://repository.unab.edu.co/bitstream/20.500.12749/27783/3/Art%c3%adculo.pdf.jpg
bitstream.checksum.fl_str_mv	996da52f8485dcf0e68dea9ebedd985f 737346e09d47a3db691f1370de49426a a8380f2596e290fecb4d222df599850f
bitstream.checksumAlgorithm.fl_str_mv	MD5 MD5 MD5
repository.name.fl_str_mv	Repositorio Institucional \| Universidad Autónoma de Bucaramanga - UNAB
repository.mail.fl_str_mv	repositorio@unab.edu.co
_version_	1828219822814527488
spelling	Naik, Shanojacee03666-2c5f-4ccb-8042-bd3bf2d5437fGrinspun, Dorisad11f0ae-1742-4fdb-b464-e5e187677619Naik, Shanoja [0000-0002-5742-6075]Grinspun, Doris [0000-0002-2499-9766]2024-12-17T14:56:30Z2024-12-17T14:56:30Z2024-07-31i-ISSN 0123-7047e-ISSN 2382-4603http://hdl.handle.net/20.500.12749/27783instname:Universidad Autónoma de Bucaramanga UNABreponame:Repositorio Institucional UNABrepourl:https://repository.unab.edu.cohttps://doi.org/10.29375/01237047.4633La inteligencia artificial y metodologías de aprendizaje automático, como la predicción, reconocimiento de patrones, o inferencia general basada en datos utilizados en aspectos clínicos, deben encajar entre las razones previstas para su desarrollo. El objetivo de este artículo es brindar detalles no técnicos de alto nivel, sobre la iniciativa y el acercamiento exhaustivo que fue tomado para integrar técnicas impulsadas por IA en prácticas de enfermería basadas en evidencia apropiadamente. Metodología. Un abordaje de múltiples enfoques por fases se consideró para desarrollar herramientas de inteligencia artificial. Este abordaje incluye la realización de una revisión integrativa, el análisis de datos para identificar patrones de intervención de impacto, el empleo de triangulación de datos, la mejora en la recolección de datos basados en estrategias de intervención de impacto, y el desarrollo de un prototipo (piloto) para una herramienta de inteligencia artificial. El proceso agrupa una prueba piloto, realización de pruebas y entrenamiento, validación, e implementación. Resultados. En esta etapa temprana de la prueba piloto de la herramienta, el enfoque principal fue identificar patrones de las diferentes fuentes de información recolectada por organizaciones de la salud. Este análisis reveló oportunidades para la generación de conocimiento, facilitó una implementación acelerada de las guías, y potenció la eficiencia de los recursos. Discusión. Enfocándose en un modelo basado en datos para informar acerca de las mejores prácticas para la implementación de guías e identificar las intervenciones con mayor impacto es facilitado por un extenso almacenamiento interno de datos. La triangulación de los enfoques para el desarrollo de la guía, la implementación y la evaluación contribuye al desarrollo de inteligencia artificial y metodologías de aprendizaje automático científicamente validadas. Conclusión. Cualquier técnica de inteligencia artificial requiere una gran cantidad de datos. Para proveer a organizaciones de la salud la mejor evidencia disponible, deben realizarse esfuerzos significativos para estructurar la recolección de datos y asegurar la calidad de estos antes de expandir el desarrollo de herramientas de inteligencia artificial.Artificial intelligence and machine learning methodologies, such as prediction, pattern recognition, or general inference based on the data used in clinical aspects, must fit within the intended purposes of developing it. This article aims to provide high-level, non-technical details of the initiative and a comprehensive approach that has been taken to integrate AI-powered techniques in evidencebased nursing practices appropriately. Methodology. A multi-pronged phased approach was considered for developing artificial intelligence tools. This approach includes conducting a scoping review, analyzing data to identify patterns of impactful intervention, employing data triangulation, enhancing data collection based on impactful intervention strategies, and developing a prototype (pilot) for an artificial intelligence tool. The process encompasses piloting, testing and training, validation, and implementation. Results. In this early stage of piloting the tool, the primary focus was identifying patterns from various information gathered from healthcare organizations. This analysis revealed opportunities for knowledge generation, facilitated the expedited implementation of guidelines, and enhanced resource efficiency. Discussion. Focusing on a data-driven model to inform best practices for implementing guidelines and identifying the most impactful interventions is facilitated by extensive in-house data storage. The triangulation of approaches to guideline development, implementation, and evaluation contributes to developing this scientifically validated artificial intelligence and machine learning initiative. Conclusion. Any artificial intelligence technique requires extensive data. To provide healthcare organizations with the best available evidence, purposeful efforts must be made to structure data collection and ensure data quality before expanding the development of artificial intelligence tools.A inteligência artificial e as metodologias de aprendizagem automática, como predição, reconhecimento de padrões ou inferência geral baseada em dados utilizados em aspectos clínicos, devem se enquadrar entre as razões previstas para o seu desenvolvimento. O objetivo deste artigo é fornecer detalhes não técnicos de alto nível sobre a iniciativa e a abordagem abrangente que foi tomada para integrar técnicas impulsionadas por IA em práticas de enfermagem baseadas em evidências adequadamente. Metodologia. Foi considerada uma abordagem multifásica para desenvolver ferramentas de inteligência artificial. Esta abordagem inclui a realização de uma revisão integrativa, a análise de dados para identificar padrões de intervenção de impacto, o emprego da triangulação de dados, o aprimoramento na coleta de dados com base em estratégias de intervenção de impacto e o desenvolvimento de um protótipo (piloto) para uma ferramenta de inteligência artificial. O processo inclui um teste piloto, testes e treinamento, validação e implementação. Resultados. Neste estágio inicial do teste piloto da ferramenta, o foco principal foi identificar padrões provenientes das diferentes fontes de informação coletadas pelas organizações de saúde. Esta análise revelou oportunidades para a geração de conhecimento, facilitou a implementação acelerada das diretrizes e aumentou a eficiência dos recursos. Discussão. A concentração num modelo baseado em dados para informar as melhores práticas para a implementação de diretrizes e identificar intervenções com maior impacto é facilitada pelo amplo armazenamento interno de dados. A triangulação de abordagens para o desenvolvimento, implementação e avaliação das diretrizes contribui para o desenvolvimento de inteligência artificial e metodologias de aprendizagem automática cientificamente validadas. Conclusão. Qualquer técnica de inteligência artificial requer uma grande quantidade de dados. Para fornecer às organizações de saúde a melhor evidência disponível, é preciso fazer esforços significativos para estruturar a coleta de dados e garantir a qualidade dos dados antes de expandir o desenvolvimento de ferramentas de inteligência artificial.application/pdfspahttps://revistas.unab.edu.co/index.php/medunab/article/view/4633/4059https://revistas.unab.edu.co/index.php/medunab/issue/view/299Nursing & Compassionate Care in the Age of Artificial Intelligence: Engaging the Emerging Future [Internet]. Ontario:RNAO;2020. Available from: https://rnao.ca/ sites/rnao-ca/files/RNAO-AMS_Report-Nursing_and_ Compassionate_Care_in_the_Age_of_AI_Final_For_ Media_Release_10.21.2020.pdfDictionary.com [Internet] Artificial Intelligence. Definition & Meaning. Available from: https://www. dictionary.com/browse/artificial-intelligenceRobert N. How artificial intelligence is changing nursing. Nurs Manage [Internet]. 2019;50(9):30-39. doi: https:// doi.org/10.1097/01.numa.0000578988.56622.21Liao PH, Hsu PT, Chu W, Chu WC. Applying artificial intelligence technology to support decision-making in nursing: A case study in Taiwan. Health Inform J [Internet]. 2015;21(2):137–48. doi: https://doi. org/10.1177/1460458213509806Buchanan C, Howitt ML, Wilson R, Booth RG, Risling T, Bamford M. Predicted influences of artificial intelligence on nursing education: Scoping review. JMIR Nursing [Internet]. 2021;4(1):e23933. doi: https://doi. org/10.2196%2F23933Abbott MB, Shaw P. Virtual Nursing Avatars: Nurse Roles and Evolving Concepts of Care. Online J Issues Nurs [Internet]. 2016;21(3):7. doi: https://doi.org/10.3912/ ojin.vol21no03ppt39,05McGrow K. Artificial intelligence: Essentials for nursing. Nursing. [Internet]. 2019;49(9):46–9. doi: https://doi. org/10.1097/01.nurse.0000577716.57052.8dFritz RL, Dermody G. A nurse-driven method for developing artificial intelligence in “smart” homes for aging-in-place. Nurs Outlook [Internet]. 2019;67(2):140– 53. doi: https://doi.org/10.1016/j.outlook.2018.11.004Compassion in a technological world: Advancing AMS’s strategic aims. AMS Healthcare [Internet]. 2018. Available from: https://www.ams-inc.on.ca/resource/ compassion-in-a-technological-world-advancing-amsstrategic- aims/Zlotnik A, Alfaro MC, Pérez MCP, Gallardo-Antolín A, Martínez JMM. Building a Decision Support System for Inpatient Admission Prediction With the Manchester Triage System and Administrative Check-in Variables. CIN-Comput. Inform. Nurs [Internet]. 2016;34(5):224– 30. doi: https://doi.org/10.1097/cin.0000000000000230Iqbal MJ, Javed Z, Sadia H, Qureshi IA, Irshad A, Ahmed R, et al. Clinical applications of artificial intelligence and machine learning in cancer diagnosis: looking into the future. Cancer Cell Int Internet]. 2021;21(1):270. doi: https://doi.org/10.1186/s12935-021-01981-1Amisha, Malik P, Pathania M, Rathaur VK. Overview of artificial intelligence in medicine. J Family Med Prim Care [Internet]. 2019;8(7):2328–31. doi: https://doi. org/10.4103%2Fjfmpc.jfmpc_440_19Institute of Medicine (US) Committee to Advise the Public Health Service on Clinical Practice Guidelines. Clinical Practice Guidelines: Directions for a New Program [Internet]. Field MJ, Lohr KN, editors. Washington (DC): National Academies Press (US); 1990. Available from: http://www.ncbi.nlm.nih.gov/books/NBK235751/NQF: Measuring Performance [Internet] Washintong;2023. Available from: https://www. qualityforum.org/measuring_performance/measuring_ performance.aspxGrinspun D, Bajnok I. Transforming Nursing Through Knowledge: Best Practices in Guideline Development Implementation Science and Evaluation. [Internet]. Indianapolis:Sigma Theta Tau International;2018. 562p. Available from: https://sigma.nursingrepository.org/ items/6225f54f-0b19-4aaf-ad85-50b688a873f5Grinspun D, Mazurek-Melnyk, B, Fineout-Overholt E, Naik S, Wallace K. Advancing Optimal Care With Robust Clincial Practice Guidelines. Evidence-Based Practice in Nursing & Healthcare [Internet]. Philadelphia: Lippincott Williams & Wilkins;2022. Available from: https://books.google.com.co/books?id=EPaBEAAAQBAJ& printsec=frontcover&hl=es#v=onepage&q&f=falseLife Out of Sequence: A Data-Driven History of Bioinformatics. by Hallam Stevens [Internet]. San Francisco: Everand;2023. Available from: https://www. everand.com/book/169810452/Life-Out-of-Sequence- A-Data-Driven-History-of-BioinformaticsSingla S, Medeiros C, Naik S, Howitt L, Grinspun D. The Use of Artificial Intelligence Techniques in Nursing Data Systems: Scoping Review. MedUNAB [Internet]. 2023;26(3):512-521. doi: https://doi. org/10.29375/01237047.4634Ronquillo CE, Peltonen LM, Pruinelli L, Chu CH, Bakken S, Beduschi A, et al. Artificial intelligence in nursing: Priorities and opportunities from an international invitational think-tank of the Nursing and Artificial Intelligence Leadership Collaborative. J Adv Nurs [Internet]. 2021;77(9):3707–17. doi: https://doi. org/10.1111/jan.14855Buchanan C, Howitt ML, Wilson R, Booth RG, Risling T, Bamford M. Nursing in the age of artificial intelligence: protocol for a scoping review. JMIR Res Protoc [Internet]. 2020;9(4):e17490. doi: https://doi. org/10.2196%2F17490von Gerich H, Moen H, Block LJ, Chu CH, DeForest H, Hobensack M, et al. Artificial Intelligence -based technologies in nursing: A scoping literature review of the evidence. Int J Nurs Stud [Internet]. 2022;127:104153. doi: https://doi.org/10.1016/j.ijnurstu.2021.104153Naik S, Voong S, Bamford M, Smith K, Joyce A, Grinspun D. Assessment of the Nursing Quality Indicators for Reporting and Evaluation (NQuIRE) database using a data quality index. J Am Med Inform Assoc [Internet]. 2020;27(5):776–82. doi: https://doi.org/10.1093/jamia/ ocaa031Naik S, Loft M, Autea M, Medeiros C, Singla S, Kim PS, et al. A case study on the assessment of sustaining evidence-based practice changes and outcomes using the Nursing Quality Indicators for Reporting and Evaluation® (NQuIRE®) data system [version 1; peer review: awaiting peer review]. MedEdPublish [Internet]. 2024. Available from: https://mededpublish.org/ articles/14-46/v1Ahmad S, Jenkins M. Artificial Intelligence for Nursing Practice and Management: Current and Potential Research and Education. Comput Inform Nurs [Internet]. 2022;40(3):139–44. doi: https://doi.org/10.1097/ cin.0000000000000871http://creativecommons.org/licenses/by-nc-nd/2.5/co/Abierto (Texto Completo)Atribución-NoComercial-SinDerivadas 2.5 Colombiahttp://purl.org/coar/access_right/c_abf2Vol. 27 Núm. 1 (2024): abril - julio 2024: Salud Pública, Salud Materna, Exposición a la Violencia; 42-51Guías de Práctica Clínica como AsuntoEnfermería Basada en la EvidenciaAprendizaje AutomáticoInteligencia ArtificialSistemas de Información en SaludMedical sciencesLife sciencesHealth sciencesPractice Guidelines as TopicEvidence-Based NursingMachine LearningArtificial IntelligenceHealth Information SystemsGuias de Prática Clínica como AssuntoEnfermagem Baseada em EvidênciasAprendizado de MáquinaInteligência ArtificialSistemas de Informação em SaúdeCiências médicasCiências da vidaCiências da saúdeCiencias médicasCiencias de la vidaCiencias de la saludInnovaciones en inteligencia artificial de la RNAO: Una estrategia novedosa para avanzar en las prácticas de enfermería basadas en evidenciaRNAO’s Artificial Intelligence Innovations: A Novel Strategy to Advance Evidence-Based Nursing PracticeInovações em inteligência artificial da RNAO: uma nova estratégia para avançar nas práticas de enfermagem baseadas em evidênciasArticleinfo:eu-repo/semantics/articleArtículohttp://purl.org/coar/resource_type/c_2df8fbb1http://purl.org/coar/resource_type/c_6501http://purl.org/redcol/resource_type/ARThttp://purl.org/coar/version/c_970fb48d4fbd8a85Universidad Autónoma de Bucaramanga UNABFacultad Ciencias de la SaludORIGINALArtículo.pdfArtículo.pdfArtículoapplication/pdf1478875https://repository.unab.edu.co/bitstream/20.500.12749/27783/1/Art%c3%adculo.pdf996da52f8485dcf0e68dea9ebedd985fMD51open accessLICENSElicense.txtlicense.txttext/plain; charset=utf-8183https://repository.unab.edu.co/bitstream/20.500.12749/27783/2/license.txt737346e09d47a3db691f1370de49426aMD52open accessTHUMBNAILArtículo.pdf.jpgArtículo.pdf.jpgIM Thumbnailimage/jpeg10982https://repository.unab.edu.co/bitstream/20.500.12749/27783/3/Art%c3%adculo.pdf.jpga8380f2596e290fecb4d222df599850fMD53open access20.500.12749/27783oai:repository.unab.edu.co:20.500.12749/277832024-12-17 22:00:36.773open accessRepositorio Institucional \| Universidad Autónoma de Bucaramanga - UNABrepositorio@unab.edu.coTGFzIHB1YmxpY2FjaW9uZXMgZGUgbGEgcmV2aXN0YSBNZWRVTkFCIGVzdMOhbiBiYWpvIHVuYSBMaWNlbmNpYSBkZSBBdHJpYnVjacOzbiBkZSBCaWVuZXMgQ29tdW5lcyBDcmVhdGl2b3MgKENyZWF0aXZlIENvbW1vbnMsIENDKSB0aXBvIDQuMCwgY29uIGRlcmVjaG9zIGRlIGF0cmlidWNpw7NuIHkgbm8gY29tZXJjaWFs

Innovaciones en inteligencia artificial de la RNAO: Una estrategia novedosa para avanzar en las prácticas de enfermería basadas en evidencia

Publicaciones similares