MétaCan
Menu
← Retour à la cohorte
Enregistrement W2175609439

The Effect of Training on Communication Skills of Child’s Nurse through Role-playing

2015· article· en· W2175609439 sur OpenAlexaboutno aff
Mahdiye Razi, Tayebe Reyhani, Seyyed Mohsen Asgari Nekah, Mehri Yavari

Notice bibliographique

RevueDOAJ (DOAJ: Directory of Open Access Journals) · 2015
Typearticle
Langueen
DomaineHealth Professions
ThématiquePatient-Provider Communication in Healthcare
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésTraining (meteorology)PsychologyMedical educationNursingMedicineGeography
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Introduction\nNurse-patient communication is highly important especially when the patient is a child. One thing that has been overlooked in the nursing profession or less discussed is how to communicate with children. Design and training courses for the development of communication skills is considered as an important step in this direction. This study investigated the effect of training communication skills on children’s nurses through role- playing.\nMaterials and Methods \nThis study is a clinical trial with pre-test and post-test which was done on 60 nurses in Dr. Sheikh Hospital in Mashhad-Iran. Nurses were randomly assigned into either intervention or control groups. Nurses' communication skills were measured using the tools of Calgary Cambridge communication skills assessment before and three weeks after the intervention. During one-day workshops, 6 hours of teaching communication skills with children were given to nurses as role playing and based on pre-prepared scenarios.\nResults\nThe results showed there was no significant difference between the two groups in the mean score of nurses' verbal and non verbal communication skills before the intervention (verbal :P=0.302, non verbal :P=0.795). But after the intervention, the mean score of nurses' verbal and nonverbal communication skills in the experimental group were statistically significant and higher than those in the control group (P

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,006
Score d'incertitude au seuil0,021

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0000,000
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)0,0060,000

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 Opus0,483
Tête enseignante GPT0,626
Écart entre enseignants0,143 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
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

Citations2
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueDOAJ (DOAJ: Directory of Open Access Journals)→Même sujetPatient-Provider Communication in Healthcare→Travaux en français237 207→