Effective patient safety education for novice RNs: A systematic review
Notice bibliographique
Résumé
Background and objective: The need is great for identifying effective evidence-based strategies that focus on increasing novice RN confidence for the application of skills used to care for patients safely. The purpose of this systematic review is to explore effective continuing education strategies that target novice RNs’ professional development, enhance clinical confidence, and focus on patient safety.Methods: The EBSCOhost database search was set to find recently published papers within the last ten years, sorted by relevance from January 2007 through August 2017. This search yielded twelve studies deemed eligible for inclusion by the databases CINAHL, Communication & Mass Media Complete, Education Full Text (H.W. Wilson), Health & Wellness Resource Center, and Science Direct. Commonalities and distinguishing features among the strategies are examined.Results: This systematic review identified 12 articles that describe effective training strategies aimed at improving novice RNs’ clinical practice confidence and skill. A thematic analysis of the data was used to systematically gain knowledge about strategies used to educate novice RNs working in the hospital setting. The majority of strategies employed a number of different types of simulation and reported varying degrees of success for improving novice RN ability to care for patients safely. Simulation, virtual reality, preceptored clinical experiences, and interdisciplinary experiences were found to be effective education strategies enhancing novice RN’s skill for providing safe care. Didactic instruction had positive results, but was not as effective as simulation for novice RNs learning safe patient care. Finally, written instruction was not as effective as simulation, and hard copy supplements provided no added value to novice RNs learning safe patient care.Conclusions: Findings from this review are foundational to address calls from the Institute of Medicine (IOM) and the National League for Nursing (NLN) to reform and support post-graduate nursing education. The development of novel education and training targeting novice RNs in the hospital setting is essential, but more research is needed to enhance safe patient care.
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 | 0,003 | 0,020 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».