Workplace continuing education for nurses caring for hospitalised older people
Notice bibliographique
Résumé
AIMS AND OBJECTIVES: To develop, implement and evaluate a workplace continuing education programme about nursing care of hospitalised older people. BACKGROUND: The healthcare system cannot rely solely upon nurses' prelicensure education to prepare them to meet the evolving needs of hospitalised older patients. Over the past decade, there has been a dramatic rise in the proportion of older people in hospitals, yet many nurses do not have specialised knowledge about the unique care needs of this population. DESIGN: A multimethod pre-to post-design was employed. METHODS: Between September 2013 and April 2014, data were collected via surveys, focus groups and interviews. Thirty-two Registered Nurses initially enrolled in the programme of which 22 completed all data points. Three managers also participated in interviews. One-way repeated-measures ANOVAs were conducted to evaluate the effect of the programme and change over time. Qualitative data were analysed using thematic analysis. RESULTS: Survey results indicated improvements in perceptions about nursing care of older people but no changes in knowledge. Themes generated from the qualitative data focused on participants' experiences of taking part in the programme and included: (i) relevance of content and delivery mode, (ii) value of participating in the programme and (iii) continuing education in the context of acute care. CONCLUSIONS: This study illustrated the potential role of workplace continuing education in improving care for hospitalised older people, particularly the potential to change nurses' perceptions about this population. Nurses prefer learning opportunities that are varied in delivery of educational elder-focused content and accessible at work. Organisational leaders need to consider strategies that minimise potential barriers to workplace continuing education. IMPLICATIONS FOR PRACTICE: Workplace continuing education can play a key role in improving quality of care for hospitalized older adults and ought to be a priority for employers planning education for nurses.
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 | 0,006 | 0,019 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».