Channel
@NurseRes
On this record: Growth · Engagement · Posts · Citations · Cite this entry
57subscribers
+0 since we began measuring on 11 August 2026
Risers and fallers across the register · movement among entries of Under 1,000.
| Telegram ID | -1003207174385 |
|---|---|
| Type | Channel |
| Username | @NurseRes |
| Created | Between 1 October 2025 and 31 January 2026— estimated from Telegram’s id allocation, not measured. How this range is calculated. |
| First recorded | 11 August 2026 |
| Last confirmed live | 11 August 2026 |
| Measurements held | 2 |
| Confirmed unchanged | 1 time, most recently 11 August 2026 |
| On Telegram | t.me/NurseRes |
| Measured (UTC) | Subscribers | Change |
|---|---|---|
| 11 Aug 2026, 19:42 | 57 | no change |
| 11 Aug 2026, 09:18 | 57 | first reading |
20 posts held, back to 25 July 2026 — the reader has not yet reached the start of this channel’s public history, so older posts may sit further back, unread. Read across 1 pageof Telegram’s post history, 20 posts per page.
ERR is average views per post over the last 30 days divided by subscribers, the definition TGStat uses, so this figure is comparable with the one you will see elsewhere. It falls structurally as a channel grows: a high ERR on a small channel and a low one on a large channel describe reach mathematics, not quality. We publish the figure and the sample it came from and pass no verdict on it.
ER is defined industry-wide as (forwards + reactions + comments) ÷ views— note the denominator is views, not subscribers. Telegram’s public web preview carries views and reactions but not forward or comment counts, so the reaction rate above is the reactions term only and is therefore a floor: the true ER for this channel is higher by an amount we have not measured and will not estimate.
| Window | Rolling 30 days · latest post in window 10 August 2026 |
|---|---|
| Posts held | 20 (25 July 2026 – 10 August 2026) |
| Views total | 159 |
| Reactions total | — |
| Forwards / comments | not exposed by the public surface — not measured, not estimated |
| Readings taken | 11 Aug 2026, 09:18 UTC |
Views are a single reading per post, taken at the time above. A post published in the last day or two is still accumulating views, which pulls the 30-day average down slightly. That is a property of the standard definition rather than a fault in it, so we keep the definition rather than “correcting” the number into something nobody can reproduce.
Precision. Telegram publishes view counts on its public widget in short form — 8.12K, 3.7M — so any reading at or above 1,000 reaches us rounded to three significant figures, and only counts below 1,000 are exact. Averages and rates derived from them are shown to the same precision rather than to the unit: a figure like 3,701,250 would assert digits nobody measured.
Reaction counts are published per emoji and rounded the same way, so a total below 1,000 is exact and a larger one is a sum that may carry a rounded component from each emoji above 1,000. Because it is a sum, it does not look rounded — read a large reaction total as three significant figures per contributing emoji rather than as the figure it prints.
📌 نمودار جریان پریزما در مرور سیستماتیک چیست؟ در مرور سیستماتیک، فقط پیدا کردن مقالهها مهم نیست؛ باید نشان دهیم مقالهها چگونه پیدا، غربال، حذف و در نهایت وارد مطالعه شدهاند. نمودار جریان پریزما یکی از ابزارهای مهم برای شفافسازی همین مسیر است. 🔷 توضیح اصلی نمودار جریان پریزما (PRISMA Flow Diagram) یک نمودار مرحلهای است که روند انتخاب مطالعات را در مرور سیستماتیک نشان میدهد. این نمودار معمولاً از مرحله شناسایی…
📌 نگارش مقاله مروری سیستماتیک؛ از شواهد پراکنده تا یک متن علمی منظم 📚 نوشتن مقاله مروری سیستماتیک فقط خلاصهکردن چند مقاله نیست. در پژوهش پرستاری، این نوع مقاله باید نشان دهد پژوهشگر با یک سؤال مشخص، جستوجوی منظم و تحلیل دقیق، شواهد موجود را بررسی کرده است. 🔷 توضیح اصلی برای نگارش مقاله مروری سیستماتیک، ابتدا باید مقدمهای روشن بنویسید. در مقدمه توضیح دهید چرا موضوع مهم است، چه خلأیی در دانش پرستاری وجود دارد و مر…
🧑🔬 Nurse Research | پژوهش pinned a photo
🎉 ونتیلِرن رسماً در کافهبازار منتشر شد! یک قدم دیگر در مسیر توسعه آموزش هوشمند پرستاری و مراقبتهای ویژه برداشته شد. 💙 ونتیلرن | Ventilearn با تمرکز بر آموزش و یادگیری ونتیلاتور و تهویه مکانیکی طراحی شده تا دسترسی به محتوای آموزشی این حوزه برای پرستاران، دانشجویان پرستاری و سایر اعضای تیم درمان سادهتر و سریعتر شود. 📱 از همین حالا میتوانید نسخه رسمی اندروید ونتیلرن را مستقیماً از کافهبازار دریافت و نصب کنی…
📌 نرمافزارهای متاآنالیز؛ کِی از RevMan و CMA استفاده کنیم؟ در مرور سیستماتیک، فقط پیدا کردن مقاله کافی نیست؛ باید نتایج مطالعات را بهدرستی ترکیب و تفسیر کنیم. اینجاست که نرمافزارهای متاآنالیز به پژوهشگر کمک میکنند تحلیلها منظمتر، قابلگزارشتر و علمیتر انجام شوند 📊 🔷 توضیح اصلی دو نرمافزار پرکاربرد در این حوزه، مدیر مرور کاکرین (RevMan) و نرمافزار جامع متاآنالیز (Comprehensive Meta-Analysis) هستند. مدیر م…
📌 اصول انجام فراتحلیل (Meta-analysis)؛ ترکیب علمی نتایج پژوهشها در پژوهش پرستاری، گاهی یک مطالعه بهتنهایی برای تصمیمگیری کافی نیست. فراتحلیل کمک میکند نتایج چند پژوهش مرتبط، بهصورت آماری با هم ترکیب شوند تا تصویر دقیقتری از اثر یک مداخله، رابطه بین متغیرها یا پیامد بالینی به دست آید. 🔷 توضیح اصلی فراتحلیل معمولاً بخشی از مرور نظاممند است؛ یعنی ابتدا پژوهشگر با روش شفاف و از پیش تعیینشده، مقالات مرتبط را جست…
📌 ترکیب روایتی نتایج در مرورهای پژوهشی یعنی چه؟ در همه مرورهای پژوهشی، نتایج مطالعات آنقدر مشابه نیستند که بتوان آنها را با روش آماری ترکیب کرد. گاهی تفاوت در جامعه، ابزار، مداخله، پیامدها یا نوع مطالعه زیاد است. در این شرایط، ترکیب روایتی نتایج کمک میکند یافتهها را منظم، علمی و قابل فهم گزارش کنیم. 🔷 توضیح اصلی ترکیب روایتی نتایج یعنی پژوهشگر بهجای ترکیب عددی دادهها، یافتههای مطالعات را بهصورت توصیفی، تحلی…
📌 استخراج دادهها و ارزیابی کیفیت مطالعات؛ قلب مرور سیستماتیک 📊 در مرور سیستماتیک، فقط پیدا کردن مقالهها کافی نیست. بعد از انتخاب مطالعات مرتبط، باید بدانیم از هر مقاله چه اطلاعاتی برداریم و چطور کیفیت علمی آن را بسنجیم. 🔷 توضیح اصلی استخراج دادهها یعنی اطلاعات مهم هر مطالعه را بهصورت منظم وارد یک جدول یا فرم مشخص کنیم. این اطلاعات معمولاً شامل نام نویسنده، سال انتشار، کشور، هدف مطالعه، نوع طراحی، جامعه پژوهش، ح…
📌 استفاده از نرمافزار Rayyan برای مرور سیستماتیک در مرور سیستماتیک، یکی از سختترین مراحل این است که از بین تعداد زیادی مقاله، موارد مرتبط را دقیق و منظم انتخاب کنیم. اینجاست که نرمافزار رایان (Rayyan) میتواند کار پژوهشگر را بسیار مرتبتر و قابلپیگیریتر کند 🔍 🔷 توضیح اصلی رایان یک ابزار آنلاین برای مدیریت مرورهای علمی، بهویژه مرور سیستماتیک و مرور دامنهای است که به پژوهشگران کمک میکند غربالگری مقالات را سری…
📌 غربالگری اولیه مقالات؛ اولین فیلتر جدی در مرور منابع در پژوهش پرستاری، مخصوصاً مرور روایتی، مرور نظاممند یا پایاننامه، پیدا کردن مقاله کافی نیست؛ باید بدانیم کدام مقاله واقعاً به سؤال پژوهش ما مربوط است و کدام باید کنار گذاشته شود. غربالگری اولیه یعنی بررسی سریع و منظم مقالات بر اساس معیارهای ورود و خروج. 🔷 توضیح اصلی معیارهای ورود، ویژگیهایی هستند که یک مقاله باید داشته باشد تا وارد مطالعه شود. مثلاً ممکن اس…
📌 استراتژی جستجو در مرور سیستماتیک را چطور طراحی کنیم؟ در مرور سیستماتیک، جستجوی منابع فقط یک سرچ ساده در گوگل یا پایگاههای علمی نیست. کیفیت کل مطالعه تا حد زیادی به این بستگی دارد که چقدر دقیق، شفاف و قابل تکرار جستجو کردهایم. 🔷 توضیح اصلی استراتژی جستجو یعنی برنامه مشخص برای پیدا کردن همه مطالعات مرتبط با سؤال پژوهش. اولین قدم، شکستن سؤال پژوهش به اجزای اصلی است. در پژوهشهای پرستاری معمولاً از چارچوبهایی مثل …
📌 مراحل انجام مرور سیستماتیک؛ پژوهش را منظم و قابل اعتماد جلو ببریم 📚 مرور سیستماتیک فقط جمعآوری چند مقاله درباره یک موضوع نیست. در پژوهش پرستاری، مرور سیستماتیک یعنی جستوجوی دقیق، انتخاب منظم، ارزیابی علمی و جمعبندی شواهد برای پاسخ به یک سؤال مشخص. 🔷 توضیح اصلی اولین مرحله، طراحی سؤال پژوهش است. سؤال باید روشن و قابل جستوجو باشد؛ مثلاً درباره یک مداخله، پیامد، جمعیت خاص یا تجربه بالینی. مرحله بعد، نوشتن پروتک…
Showing the 12 most recent of 20 posts we hold for @NurseRes. View and reaction counts are the latest single reading for each post, not a live figure, and a recent post is still accumulating both. A view count marked ≈ was rounded by Telegram before we ever saw it — t.me prints views in full below 1,000 and to three significant figures above, so ≈1,200,000 means somewhere between 1,150,000 and 1,249,999. Unmarked counts are exact. Text is reproduced from the public post preview and truncated for length.
Citation-graph rank — 1,045,126 of 1,151,006entries in the measured graph. A weighted position computed from the forward and mention edges below — republished posts weigh more than named mentions — and recomputed periodically, over the whole graph. Published only as this ordinal position, never as a score: a position is a fact, and a score printed beside one channel’s name would read as a verdict this register does not make. The two counts beneath stay separate for the same reason mentions are never summed with forwards anywhere else on this page — a named-by count costs nothing to manufacture. The top 100 by this measure, or how it is computed.
Republishes
Channels on the register whose posts this channel has forwarded.
Built only from forwarded posts we have actually read, on both sides. Coverage is early and deliberately incomplete: a missing link means we have not read the post that would prove it, never that the relationship does not exist. Counts are distinct forwarded posts observed, so they only ever go up as we read more.
Named by 1 registered channel — every channel on the register whose own posts have named this one, by its current username or any other username it currently holds, merged from two separately captured readings of the same fact so a namer caught by only one of them is not missed and a namer both caught is not counted twice. A username this channel has since dropped is not matched — that handle may belong to someone else now, and crediting today’s namer to yesterday’s owner would misattribute it.
Named by
Channels on the register whose posts name this channel's handle.
Names
Channels on the register whose handles appear in this channel's posts.
A mention is a weaker signal than a forward and is counted separately for that reason — naming a channel is not republishing it, and a handle in a post body is easy to place deliberately. The post counts beside each row below are distinct posts in which the handle appeared, from posts we have read on both sides — the “Named by N registered channels” figure above is a different count, of distinct NAMING CHANNELS rather than posts, and is not the sum of the rows under it.
A live page changes as we take new readings, so a citation should name the measurement it is based on, not just the URL. The line below cites the subscriber count as measured 11 August 2026 — this entry's latest reading, not the date you are reading this.
“🧑🔬 Nurse Research | پژوهش” (@NurseRes), 57 subscribers as measured 11 August 2026. Telegram Register, tgregister.com/channel/NurseRes.
Full measurement history, CC BY 4.0. Every reading this register holds for this entry, not just the latest one, as a dated, downloadable record: CSV · JSON. Free to use with attribution to tgregister.com. Each file carries its own generation timestamp, which is the figure to cite for exactly when the data was retrieved.