Canadian NCLEX-RN outcomes: A two-year cross-sectional exploratory study in Ontario
Notice bibliographique
Résumé
Background/Objective: In January 2015, 10 of 12 registered nurse regulators in Canada began using the National Council Licensure Exam for Registered Nursing (NCLEX-RN) as the entry-to-practice examination. We examine the NCLEX-RN performance of BScN graduates from three sites of one program across the first 2 years of its use. We aim to investigate the relationship between undergraduate academic performance and NCLEX-RN performance, and to determine predictors of success and/or failure on the exam.Methods: A total of 215 graduates who wrote the 2015 or 2016 NCLEX-RN participated in the study. Course grades, final program percentage grade and GPAs, and students’ time to complete the program are examined against pass/fail performance on the NCLEX-RN. Student’s t test and Chi Square tests are used for comparative analysis. Logistic regression identified the odds ratio and associated 95% confidence interval for each one-unit increase in GPAs as a predictor of success.Results: Overall, 141 of 215 (66%) graduates passed NCLEX-RN and 74 (34%) failed, with no significant difference between the two years. Time to complete the program is significantly lower (p = .002) and graduating GPA is significantly higher (p < .001) among those who passed the NCLEX-RN compared to those who failed. With one exception, all course grades are significantly higher for students who passed, compared to those who failed. The odds of passing the NCLEX-RN increase by 10 (95% CI 4.5, 22.6) for each one-point increase in GPA. At a GPA of 4.0, zero failures on NCLEX-RN are observed.Conclusions: To our knowledge, this is the first Canadian systematic institutional based study examining the relationship between NCLEX-RN performance and academic factors. The study concludes high academic performance remains a strong predictor for NCLEX-RN success. Future, preferably multicenter larger studies, could further the understanding of the performance on this exam in Canada and support practices enhancing students’ success on the NCLEX-RN.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,004 |
| Études des sciences et des technologies | 0,005 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».