Enhancing Nurses’ Oral Therapy Practice in 4 Latin American Countries
Notice bibliographique
Résumé
BACKGROUND: Oral therapy (OT) use for cancer is increasing globally. Yet, nurses in 4 Latin American countries lacked knowledge and educational opportunities to safely care for people receiving OTs. Global partnerships to contextualize education and create local capacity may enhance nursing practice. OBJECTIVE: Within 4 Latin American countries, this study aims to (1) develop, deliver, and evaluate an OT cancer nursing education program and (2) evaluate the feasibility and efficacy of using an integrated knowledge translation (iKT) framework to develop the program and foster nurses' capacity for OT care. METHODS: Using the iKT framework, a "train the trainer" model was used to develop, contextualize, pilot test, implement, and evaluate the OT education program. An online survey evaluated nurses' perceived benefits, ease of use, barriers, facilitators, and recommendations for improvement. Nurses' self-reported OT practices were evaluated 9 months after the final workshop. RESULTS: One hundred nineteen nurses across 4 countries participated in a pilot and/or final OT educational workshop, facilitated by 6 local nurse champions. The nurse champions found the program easy to use and modify. Participants reported using the curriculum to teach other nurses and patients and networking opportunities for problem solving. Barriers included nurses' role clarity and time for education. CONCLUSIONS: The iKT approach was an effective method to develop the OT curriculum and build OT capacity among nurses and leaders within the 4 countries. IMPLICATIONS FOR PRACTICE: The iKT approach may be useful in low- or middle-income countries to enhance nursing education and practice. Future OT education projects should strengthen strategies for ongoing support after education intervention.
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 | 0,000 | 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 | 0,001 |
| 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) | 0,000 | 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 ».