Using the Theory of Planned Behaviour to predict nurses’ intention to integrate research evidence into clinical decision‐making
Notice bibliographique
Résumé
AIMS: Using an extended theory of planned behaviour, this article is a report of a study to identify the factors that influence nurses' intention to integrate research evidence into their clinical decision-making. BACKGROUND: Health professionals are increasingly asked to adopt evidence-based practice. The integration of research evidence in nurses' clinical decision-making would have an important impact on the quality of care provided for patients. Despite evidence supporting this practice and the availability of high quality research in the field of nursing, the gap between research and practice is still present. DESIGN: A predictive correlational study. METHODS: A total of 336 nurses working in a university hospital participated in this research. Data were collected in February and March 2008 by means of a questionnaire based on an extension of the theory of planned behaviour. Descriptive statistics of the model variables, Pearson correlations between all the variables and multiple linear regression analysis were performed. RESULTS/FINDINGS: Nurses' intention to integrate research findings into clinical decision-making can be predicted by moral norm, normative beliefs, perceived behavioural control and past behaviour. The moral norm is the most important predictor. Overall, the final model explains 70% of the variance in nurses' intention. CONCLUSION: The present study supports the use of an extended psychosocial theory for identifying the determinants of nurses' intention to integrate research evidence into their clinical decision-making. Interventions that focus on increasing nurses' perceptions that using research is their responsibility for ensuring good patient care and providing a supportive environment could promote an evidence-based nursing practice.
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 | 0,033 | 0,027 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,002 |
| 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».