Indian nurses’ views on a collaborative model of best practices: Evidence-based practice, job satisfaction, learning environment, and nursing quality
Notice bibliographique
Résumé
Introduction: This study is a part of a project aimed at implementing and evaluating the Collaborative Model of Best Practice, (CMBP) to promoting evidence-based practice (EBP) in health care contexts. The aim of the study was to assess nurses’ interest, attitudes, utilisation, and views on promotors of and resources related to EBP before and after taking part in the CMBP project, and to investigate their views on the CMBP in relation to collaboration between the academy and clinical practice, the earning environment, job satisfaction, and nursing quality.Methods: A descriptive, comparative design was used with pre- and post-test measurements. The Research Utilization Questionnaire (RUQ) and study-specific questions were distributed to ward nurses (n = 67) in a rural Indian hospital.Results: Most of the nurses thought that the CMBP had a positive impact on quality of care, on their attitudes to, interest in, and knowledge EBP, and on their job satisfaction. They also considered that the collaboration between the nursing college and clinical practice had a positive impact on the learning environment and that more resources were available at the end of the project.Conclusions: The CMBP project was an attempt to improve the quality of care for patients and the learning environment for nursing students and nurses on the project wards. The results indicated fulfilment of these goals, which strengthens the usability of the model. Implementation of EBP is challenging and requires long-lasting activities and comprehensive support from leaders and facilitators. More studies are needed in which EBP is systematically implemented, accomplished, evaluated, and reported.
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 | 0,015 |
| 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 | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,005 |
| 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 ».