The educational needs of nursing staff when working with hospitalised older people
Notice bibliographique
Résumé
OBJECTIVES: To examine nursing staffs' geriatric knowledge, perceptions about interprofessional collaboration and patient-centred care, and perceived learning needs related to working with hospitalised older people. METHOD: A triangulation mixed methods design was used. A survey was administered to nursing staff that contained the Knowledge About Older Patients Quiz, the patient-centered Care measure and the Modified Index of Interdisciplinary Collaboration measure. Interviews were conducted to understand nursing staffs' learning needs. Survey data were analysed using descriptive statistics. Interview data were analysed using content analysis. Survey and interview data were then compared and contrasted. RESULTS: Twenty-two nursing staff (response rate 26%) completed surveys and 14 participated in interviews. The mean knowledge about older patients score was 22.95, indicating moderately high gerontological knowledge. The mean scores on the patient-centered Care measure and Modified Index of Interdisciplinary Collaboration were moderately high at 3.75 and 3.86, respectively. Themes developed from analysis of the interview data were as follows: complex vulnerable population, clinical care concerns and working as a team. In spite of scores on knowledge surveys, nursing staff identified learning needs related to managing the responsive behaviours of older patients with cognitive impairment, chemical and physical restraints, mobility and continence. CONCLUSIONS: There was an incongruence between survey and interview data as nursing staff reported gaps in their knowledge despite moderately high scores on the Knowledge about Older People Quiz. Further research is needed to understand additional factors that influence nurses' educational needs.
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 | 0,002 | 0,001 |
| 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 | 0,000 |
| 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 ».