MétaCan
Menu
Retour à la cohorte
Enregistrement W1974226651 · doi:10.2196/ijmr.2150

Exploring Nurses’ Intention to Use a Computerized Platform in the Resuscitation Unit: Development and Validation of a Questionnaire Based on the Theory of Planned Behavior

2012· article· en· W1974226651 sur OpenAlexaffvenue
Christian Malo, Xavier Neveu, Patrick Archambault, Marcel Émond, Marie‐Pierre Gagnon

Notice bibliographique

RevueInteractive Journal of Medical Research · 2012
Typearticle
Langueen
DomaineMedicine
ThématiqueSimulation-Based Education in Healthcare
Établissements canadiensUniversité Laval
Organismes subventionnairesnon disponible
Mots-clésTheory of planned behaviorLikert scaleEmergency departmentMedical emergencyResuscitationMedical educationNursingMedicinePsychologyControl (management)Emergency medicineComputer science

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: In emergency department resuscitation units, writing down information related to interventions, physical examination, vital signs, investigations, and treatments ordered is a crucial task carried out by nurses. To facilitate this task, a team composed of emergency physicians, nurses, and one computer engineer created a novel electronic platform equipped with a tactile screen that allows systematic collection of critical data. This electronic platform also has medical software (ReaScribe+) that functions as an electronic medical record and a clinical decision support system. OBJECTIVE: To develop and validate a questionnaire that can help evaluate nurses' intention to use a novel computerized platform in an emergency department resuscitation unit, based on Ajzen's theory of planned behavior (TPB). METHODS: The sample for this study was composed of 87 nurses who worked in the resuscitation unit of a tertiary trauma center. We held three focus groups with nurses working in the resuscitation unit to identify the salient modal beliefs regarding their intended use of a new electronic medical charting system for the care of trauma patients. The system included a clinical decision support tool. We developed a questionnaire in which salient modal beliefs were used as items to evaluate the TPB constructs. We also added 13 questions to evaluate nurses' computer literacy. The final questionnaire was composed of 46 questions to be answered on a 7-point Likert scale. All nurses in the resuscitation unit and present during a regular work shift were individually contacted by the principal investigator or a research assistant (phase 1). A subsample of the nurses who completed the questionnaire was invited to complete it a second time 2 weeks later (phase 2). RESULTS: In phase 1, we received 62 of the 70 questionnaires administered (89% response rate). Of the 27 questionnaires administered in phase 2 (retest phase), 25 were completed (93% response rate). The questionnaire showed very good internal consistency, as Cronbach alpha was higher than .7 for all constructs. Temporal stability was acceptable with intraclass correlations between .41 and .66. The intention to use the electronic platform to chart the resuscitation of trauma patients was very high among the respondents. In the logistic regression model, the only construct that predicted nurses' intention to adopt the computerized platform was the professional norm (odds ratio 3.31, 95% confidence interval 1.41-7.78). CONCLUSIONS: We developed and validated a questionnaire that can now be used in other emergency departments prior to implementation of the computerized platform. The intention to adopt was very high among the respondents, which suggests that the implementation of this innovation could be successful at our institution.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,010
score de la tête « metaresearch » (Gemma)0,010
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
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 enseignants0,156
Score d'incertitude au seuil0,998

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0100,010
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,413
Tête enseignante GPT0,514
Écart entre enseignants0,101 · 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 tête enseignante, pas un consensus.

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

Citations20
Publié2012
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueInteractive Journal of Medical ResearchMême sujetSimulation-Based Education in HealthcareTravaux en français237 207