MétaCan
Menu
Retour à la cohorte
Enregistrement W1483779780 · doi:10.14710/nmjn.v4i1.6704

Nurses’ Patient Safety Competencies in Aceh Province, Indonesia

2014· article· en· W1483779780 sur OpenAlexaboutno aff
Rahmad Julianto, Pratyanan Thiangchanya, Nongnut Boonyoung

Notice bibliographique

RevueNurse Media Journal of Nursing · 2014
Typearticle
Langueen
DomaineHealth Professions
ThématiquePatient Safety and Medication Errors
Établissements canadiensnon disponible
Organismes subventionnairesPrince of Songkla University
Mots-clésPatient safetyLikert scaleNursingScale (ratio)MedicineFamily medicineDescriptive statisticsData collectionPsychologyHealth care

Résumé

récupéré en direct d'OpenAlex

Purpose: To determine the level of nurses‟ patient safety competencies in Aceh, Indonesia.Methods: A descriptive study was conducted to randomly recruit 207 nurses in a hospital in Banda Aceh, Indonesia. The nurses‟ patient safety competencies was measured by using the Patient Safety Competencies of Nurses Questionnaire (PSCNQ) which was a self-reported, 29-item questionnaire rated on a 4-point Likert scale (1 to 4), developed based on the Canadian Patient Safety Institute‟s Safety Competencies. Result: More than half of nurses participated in the study were less than 30 years old, with a mean age of 31 years. The majority was female, married, earned diploma degree, and had working experience of 1-10 years. The overall nurses‟ patient safety competencies was at a high level. The area that nurses reported highest competency was “use personal protective equipment”. Whereas the area they reported lowest competency was “maintain the documents of adverse events and report each adverse event.”Conclusion: The study findings suggested that Acehnese nurse leaders should further maintain and promote nurses‟ patient safety competencies. Studies exploring factors contributing to nurses‟ patient safety competencies together with utilizing other data collection methods, such as observation is worth investigated.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,020
Score d'incertitude au seuil0,040

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,045
Tête enseignante GPT0,382
Écart entre enseignants0,337 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueNurse Media Journal of NursingMême sujetPatient Safety and Medication ErrorsTravaux en français237 207