Disaster nursing knowledge in earthquake response and relief among Nepalese nurses working in government and non-government sector
Notice bibliographique
Résumé
Background : Recently, the disasters in Nepal as elsewhere has caused a large number of deaths, injury and left hundreds of thousands of people homeless. It has also alerted all nurses to be prepared with adequate knowledge in order to respond to a disaster event effectively. This descriptive study aimed to describe and compare the level of knowledge in an earthquake disaster among Nepalese nurses working in government and non-government hospitals. Methods : Three hundred working registered nurses (RNs) were randomly selected from fourteen government and four non-governmental hospitals located in different parts of Nepal. Nurses’ knowledge in earthquake disaster was obtained through self-reported questionnaires. Descriptive and inferential statistics were used for data analysis. Results : The majority of the RNs worked in government hospitals (63.2%), more than half (59%) of the respondents had diploma level of education with the majority (66.3%) of them working in a hospital for less than six years. Two thirds (78%) had never attended disaster training drills and nearly half (47.7%) of the RNs determined that they themselves were not ready to face a future disaster. The knowledge of the RNs regarding earthquake disaster was at a moderate level (70.07 ± 10.01). The lowest score of nurses’ knowledge was related to assessment and triage in earthquake disaster response. Nurses working in governmental hospitals have a higher mean score of knowledge than those working in non-governmental hospitals ( P < .05). Conclusion : A disaster nursing training course should be provided for nurses particularly in non-governmental hospitals who had never received disaster training which will improve their knowledge in order to respond to future disasters.
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 | 0,003 | 0,001 |
| 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 | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| 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 ».