School nurses’ involvement, attitudes and training needs for mental health work: a UK‐wide cross‐sectional study
Notice bibliographique
Résumé
AIM: The aim of this study was to identify school nurses' views concerning the mental health aspects of their role, training requirements and attitudes towards depression in young people. BACKGROUND: Mental health problems in children and young people have high prevalence worldwide; in the United Kingdom they affect nearly 12% of secondary school pupils. School nurses have a wide-ranging role, and identifying and managing mental health problems is an important part of their work. METHODS: A cross-sectional study was conducted using a postal questionnaire sent to a random sample of 700 school nurses throughout the United Kingdom in 2008. Questions concerned involvement in mental health work and training needs for this work. Attitudes were measured using the Depression Attitude Questionnaire. RESULTS: Questionnaires were returned by 258 (37%) nurses. Nearly half of respondents (46%) had not received any postregistration training in mental health, yet 93% agreed that this was an integral part of their job. Most (55%) noted that involvement with young people's psychological problems occupied more than a quarter of their work time. Staff attitudes were broadly similar to those of other primary care professionals, and indicated a rejection of stigmatizing views of depression and strong acknowledgement of the role of the school nurse in providing support. CONCLUSION: Working with young people who self-harm, and recognizing and being better equipped to assist in managing depression and anxiety are key topics for staff development programmes.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,002 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».