Knowledge and perceived competence among nurses caring for the dying in long-term care homes
Notice bibliographique
Résumé
BACKGROUND: The quality of care provided to dying long-term care (LTC) residents is often inadequate, which may be due to the lack of formal training that LTC staff receive in palliative care (PC). The present cross-sectional study assessed PC knowledge and self-efficacy in ability to provide PC in a sample of registered nurses working in LTC homes. METHOD: A survey was conducted in four LTC homes in October 2009 to June 2010. Nursing staff knowledge of PC was evaluated using the Palliative Care Quiz for Nurses (PCQN). The Self-Efficacy in End-of-Life Care Survey (S-EOLC) was used to measure nursing staff confidence in their ability to provide PC. FINDINGS: Close to 60% of the nursing staff participated (69 of 119). The participants did not score highly on the PCQN: the average correct score ranged from 52.50% to 63.41% across the homes. There were no significant differences between the homes for the mean number of correct responses on the PCQN (P=0.329) or mean scores for the three S-EOLC subscales. Rank ordering of the percentage of correct PCQN answers by item and LTC home demonstrated that similar misconceptions were held across homes. CONCLUSION: Despite their confidence in PC practice, the participants' PC knowledge gap reveals a need for PC training for staff working in LTC homes. The PC education and training provided should both include a gerontological perspective and address the expertise and knowledge already held by staff.
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 | 0,002 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».