MétaCan
Menu
Retour à la cohorte
Enregistrement W2471501953 · doi:10.1111/jpm.12314

Mental health nurses’ views about antipsychotic medication side effects

2016· article· en· W2471501953 sur OpenAlexaboutno aff
Norman J. Stomski, Paul Morrison, Tom Meehan

Notice bibliographique

RevueJournal of Psychiatric and Mental Health Nursing · 2016
Typearticle
Langueen
DomaineMedicine
ThématiqueSchizophrenia research and treatment
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésAntipsychoticMental healthMedicineQuarter (Canadian coin)NursingPsychiatryPsychologySchizophrenia (object-oriented programming)

Résumé

récupéré en direct d'OpenAlex

WHAT IS KNOWN ON THE SUBJECT?: The only previous quantitative study that examined nurses' use of assessment tools to identify antipsychotic medication side effects found that about 25% of mental health nurses were using assessment tools. No previous studies have examined factors that influence the manner in which mental health nurses assess antipsychotic medication side effects. WHAT THIS PAPER ADDS TO EXISTING KNOWLEDGE?: One-third of the respondents were not aware of any antipsychotic medication side-effect assessment tool, and only one-quarter were currently using an assessment tool. 'Service responsibility' was significantly associated with ongoing use of antipsychotic medication assessment tools, indicating that respondents with more positive attitudes to their service were more likely to continue using antipsychotic medication assessment tools. WHAT ARE THE IMPLICATIONS FOR PRACTICE?: The low level of awareness and use of antipsychotic medication side-effect assessment tools indicates that nursing educational institutions should incorporate more detail about these tools in course content, and emphasize in particular the benefits that result from the use of these tools in clinical practice. Service processes contributed significantly to the use of antipsychotic medication assessment tools, which indicates that managers need to foster workplace cultures that promote routine use of these tools. ABSTRACT: Introduction Limited evidence suggests that only a minority of mental health nurses regularly use standardized assessment tools to assess antipsychotic medication side effects, but the factors that contribute to the non-routine use of these tools remain unknown. Aim To examine Australian mental health nurses' awareness of, and attitudes towards, side-effect assessment tools, and also identify factors the influence the use of these tools. Methods A cross-sectional survey was undertaken through distributing an online questionnaire via email to members of the Australian College of Mental Health Nurses. Completed questionnaires were received from 171 respondents. Linear regression was used to examine the relationship between the 'service responsibility' and 'personal confidence' scale scores, and awareness, previous use and ongoing use of antipsychotic medication assessment tools. Results Only one-quarter of the respondents (26.5%) were currently using an assessment tool. 'Service responsibility' was significantly associated with ongoing use of antipsychotic medication assessment tools (Β = 3.26; 95% CI 0.83-5.69). 'Personal confidence' did not influence the ongoing use of assessment tools (Β = -0.05; 95% CI -1.06-1.50). Implications for clinical practice Stakeholders can incorporate 'service responsibility' processes to foster increased use of assessment tools, which may enhance the identification antipsychotic medication side effects and improve the quality of care for service users.

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)0,006
score de la tête « metaresearch » (Gemma)0,026
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,018
Score d'incertitude au seuil0,035

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0060,026
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0010,002
Science ouverte0,0000,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,018
Tête enseignante GPT0,387
Écart entre enseignants0,369 · 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'étudeQualitatif
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

Citations9
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Psychiatric and Mental Health NursingMême sujetSchizophrenia research and treatmentTravaux en français237 207