Nurses’ knowledge of contents of diabetes patient education in Ondo – state, Nigeria
Notice bibliographique
Résumé
Background : Diabetes patient education is central to achieving active participation in management of diabetes. This participation is critical to quality and quantity of life among diabetic patients. However, observations show uncontrolled and complicated diabetes; noncompliance with the treatment regimen traceable to poor transfer of knowledge. The study was designed to assess nurses’ knowledge of diabetes patient education in government hospitals in Ondo State. Method: The survey consisted of Four hundred and one registered randomly selected nurses working in various units of the selected hospitals. The instrument was a validated, self administered 44 – item questionnaire developed by the researchers using the professional prompter worksheet for diabetes education and content areas of diabetes education. The questionnaire focused on four content areas of diabetes education- nutrition, exercise and activity, glucose monitoring, and foot and skin care. Result : The result showed that the respondents were majorly females (82.3%). Seventy two percent of the respondents had between 1year and 5years of work experience. Only 8.2% had 1 st degree. Respondents demonstrated poor know- ledge in the specified content areas of diabetes patients’ education. Good knowledge of nutrition was only 29.2% while that of exercise/activity was 24.9% of respondents. For glucose monitoring, only 24.9% had good knowledge while that of hygiene/foot care was 34.4% of the respondents. The mean scores for the content areas were nutrition: 5115; exercise/activity: 5014; glucose monitoring: 5014 and foot and skin care: 5316 respectively. Respondents with one to five years work experience performed better than those with longer years of experience in the selected content areas. Conclusion: In view of this result, it is recommended that definitive modules for educating diabetes patient be deve- loped for each health institution and more emphasis placed on continuing education of nurses to update their knowledge about current Diabetes 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 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 | 0,000 | 0,002 |
| 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 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».