BARRIERS TO SUICIDE RISK MANAGEMENT IN CLINICAL PRACTICE: A NATIONAL SURVEY OF ONCOLOGY NURSES
Notice bibliographique
Résumé
Standards of practice identify the nurse's pivotal role in risk detection, assessment, intervention, and management of suicidal patients, but scant research explores the barriers that hinder this role. This study describes the analysis of barriers to suicide risk management from a survey of a random sample of members of a national organization, the Oncology Nursing Society (n = 1200), who participated in a descriptive study exploring nurses' knowledge and attitudes about suicide. The 454 (37%) respondents included respondents from the United States, Canada, and Puerto Rico. Instruments included a demographic inventory, the Suicide Opinion Questionnaire (SOQ), a suicide attitude measure (SUIATT), and a vignette of a suicidal patient. Nurses knew an average of 4.8 out of 9 suicide risk factors and 49.4% miscalculated the risk of suicide. In contrast with their moderate to high ratings of suicide risk, they indicated minimal interventions. Barriers to management of suicidal patients included deficits in skill, knowledge, referrals, patient teaching, advocacy, or consultation as well as participants' and religious/other values, uncomfortable feelings, personal experiences, and the weight of professional responsibility. Strategies for intervention include: suicide prevention education, consultation, values clarification, ethical analysis, and conflict resolution and psychosocial support to reduce barriers. Nurses are not alone in their request for more education about suicide prevention; this study confirms earlier research of psychologists and psychiatrists who report they need more education in suicide risk management.
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 | 0,005 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| 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 ».