Moral distress in undergraduate nursing students
Notice bibliographique
Résumé
BACKGROUND: Nurses and nursing students appear vulnerable to moral distress when faced with ethical dilemmas or decision-making in clinical practice. As a result, they may experience professional dissatisfaction and their relationships with patients, families, and colleagues may be compromised. The impact of moral distress may manifest as anger, feelings of guilt and frustration, a desire to give up the profession, loss of self-esteem, depression, and anxiety. OBJECTIVES: The purpose of this review was to describe how dilemmas and environmental, relational, and organizational factors contribute to moral distress in undergraduate student nurses during their clinical experience and professional education. RESEARCH DESIGN: The research design was a systematic literature review. METHOD: The search produced a total of 157 articles published between 2004 and 2014. These were screened with the assessment sheet designed by Hawker and colleagues. Four articles matched the search criteria (one quantitative study and three qualitative), and these were separately read and analyzed by the researchers. The process of review and analysis of the data was supervised by a colleague experienced in moral distress who provided an independent quality check. ETHICAL CONSIDERATION: Since this was a systematic review, no ethical approval was required. FINDINGS: From the analysis, it emerged that inequalities and healthcare disparities, the relationship with the mentor, and students' individual characteristics can all impact negatively on the decisions taken and the nursing care provided, generating moral distress. All these factors condition both the clinical experience and learning process, in addition to the professional development and the possible care choices of future nurses. CONCLUSION: Few studies dealt with moral distress in the setting of nurse education, and there is a knowledge gap related to this phenomenon. The results of this review underline the need for further research regarding interventions that can minimize moral distress in undergraduate nursing students.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,010 | 0,060 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,004 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».