A Study of the Impact of an Educational Intervention on Nurse Attitudes and Behaviours toward Mobile Device Use in Hospital Settings
Notice bibliographique
Résumé
Introduction: Mobile applications (apps) provide nurses with evidence-based information at the bedside. Librarians encourage app use by purchasing licenses and promoting their features. While many high-quality nursing apps exist, there is inconsistency in published reports on whether nurses use them in patient care. The aim of this research is to describe the use of mobile apps by nurses at two urban hospitals and to examine the impact of educational sessions led by hospital librarians and educators on nurse usage, attitudes and behaviour as they relate to mobile apps.Methods: Phase I consisted of a descriptive, cross-sectional survey of in-patient nurses to determine mobile app use and attitudes. Phase II involved a one-group pre/post-test design to examine the impact of education sessions led by librarians and hospital educators on nurse attitudes, usage and behaviours. A post-intervention focus group captured thoughts on using mobile apps at the bedside.Results: Results indicate that most nurses who have a personal mobile device are interested in using them at the bedside though few are currently doing so. While nurses cite many conveniences and uses, they also highlight a number of barriers associated with using mobile devices that must be addressed in order to realize the benefits in patient-centred care.Discussion: Hospital librarians and educators should work together to provide the education and support nurses require to realize the benefits of using apps at the bedside. Larger studies are needed to determine the impact of educational sessions on patient and health provider satisfaction with mobile device use.
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 | 0,005 | 0,011 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 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 ».