Development of emergency medicine and critical care masters program for nurses at Addis Ababa University, School of Medicine.
Notice bibliographique
Résumé
BACKGROUND: In Ethiopia, though all health care facilities have rooms available for ill and injured patients, emergency care has always remained suboptimal. Poor organization, lack of properly trained staff and lack of timely identification of the critically sick are the reasons. The role of nurses in the emergency rooms is very vital to im- prove patient survival. To address this pressing health care need and improve the emergency rooms (ER) nursing care, Addis Ababa University School of Medicine (AAU-SM) prioritized Emergency Medicine and Critical Care Nursing Training Program. The initial training began in September 2010 with a class of 20 students. Of these, 18 nurses successfully completed the Emergency Medicine and Critical Care Masters of Nursing program and graduated in 2012. OBJECTIVES: To review the Emergency medicine and Critical Care Masters training program for nurses developed and implemented at AAU-SM in partnership with the University of Wisconsin (UW) and the University of Toronto (UT) and to evaluate the progress and challenges to date. METHODS: An Emergency Medicine Task Force (EMTF) organized at AAU-SM developed a two years modular type of EM and Critical Care masters program curriculum for nurses that is co-implemented by faculty teachers from AAU-SM, UT and UW. In this article both the curriculum and other relevant materials are used as a resource. RESULTS: Thirty eight nurses have already graduated with Masters in Emergency Medicine and Critical Care. Equal number of trainees are currently in full-time training. Their skill and competency log book is going according to the curriculum expectation. CONCLUSION: This EM and Critical Care masters training program for nurses is successfully implemented. This program has also shown that the number and qualification of trained personnel capacity in low resource setting health care system can be effectively improved by partnership with developed training institutions.
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 | 0,002 |
| 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 | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,021 | 0,003 |
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 ».