The influence of clinical supervision and its potential for enhancing patient safety - Undergraduate nursing students’ views
Notice bibliographique
Résumé
Objective: The clinical learning environment and supervision are crucial for the development of a professional stance and identity as well as for ensuring patient safety. This study aims to investigate the influence of clinical supervision provided to nursing students by nurse facilitators in hospital settings. An additional objective was to report the relationship between clinical supervision and patient safety. Methods: In this cross-sectional study, the sample consisted of 66 nursing students recruited after their clinical placement during the second year of the bachelor programme. Data were collected by means of questionnaires and analysed using a descriptive and explorative method. Results: Regarding the impact of clinical supervision, a moderately significant relationship was found between the three factors “Increased patient participation and problem solving”, “User involvement in terms of patient integrity” ( r = 0.48) and “Enabling patient and family member participation” ( r = 0.42) and the following Effects of Supervision Scale (ESS) factors; “Interpersonal skills” ( r = 0.47), “Professional skills” ( r = 0.50) and “Communication skills” ( r = 0.59). There was also a moderately significant relationship between the factors “Trust/Rapport” and “Influence of supervision” for the item “Supportive yet challenging relationships” ( r = 0.60). In addition, there was a strong correlation between the factors “Supervision advice/support issues” and “Influence of supervision” ( r = 0.73). The former correlated weakly with “User involvement”, i.e. , maintaining integrity ( r = 0.33).
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 | 0,006 | 0,011 |
| 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 | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».