MétaCan
Menu
Retour à la cohorte
Enregistrement W2891778933 · doi:10.1016/j.ijnss.2018.08.006

Letter to the Editor: Critical need for effective communication skills education in nursing

2018· letter· en· W2891778933 sur OpenAlexaboutno aff
Karen Graham

Notice bibliographique

RevueInternational Journal of Nursing Sciences · 2018
Typeletter
Langueen
DomaineHealth Professions
ThématiqueInterprofessional Education and Collaboration
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésNursingPsychologyMedical educationMedicine

Résumé

récupéré en direct d'OpenAlex

Wei (2018) [1], state that specific communication problems were linked to 17.5% of all complaints, but in reality other categories, totalling 83.7% of all complaints, have a clear (verbal and non-verbal) communication component; uncaring attitudes (26.7%), unsatisfactory quality of treatment and competence (26.5%) and processes of care (13.0%).Highlighting this point are the examples given by patients in relation to complaints categorised as uncaring attitudes, included "displayed indifferent expressions, used unfriendly language tones, were impatient with patients' questions, or did not give thorough explanations when answering questions".The authors suggest theory-guided strategies to assist with nursing care.We advocate the need for this to be instilled in nursing education.Education providers for health professionals aim to improve communication skills through formal education [2e4].Wei et al. (2018) [1] state the Chinese curriculum for medicine focuses on science more than humane or caring qualities.Few education providers are able to effectively educate health professionals of the critical nature of communication for their future practice and work place requirements [5].In the United States, poor communication contributed to 1744 deaths over a five-year period [6].The United Kingdom Nation Health Service (NHS) are acutely aware of the issues with poor communication, commissioning a document, Improving Communication with Patients in the NHS.The document states that good communication, not only improves health outcomes, but could save the UK one billion pounds annually, challenging the position that communication is a "soft skill" [7].Good clear communication in nursing, specifically demonstrated as the successful ability to "receive, decode information effectivity, exhibiting different types of communication in different nursing contexts through visual, auditory and kinaesthetic modes" [[8], p. 51 2014], is the foundation of a vibrant, safe and effective healthcare system.Thus, student nurses require an evidence based, consistent communication educational approach.How communication is taught affects health professional's work place, patient lives and has financial implications [2,9,10].Previous studies have demonstrated the inconsistency in communication education [11e13].Common educational methods currently used, include simulation, role-play, videos, debriefing and reflection [4,10e12,14,15].One method that has proven to be effective is simulation, as this enhances performance in clinical practice [5].As well, there are a variety of validated communication assessment tools for health care.One example is The Calgary Cambridge Guide used by Ammentorp (2014) [16] for a programme to educate health employees, who had contact with patients.The tool measured communication ability, style and comprehension and could be applied to undergraduate nursing communication.Communication education is too important not to develop a consistent, evidenced based curriculum, employing rigorous assessments tools to ensure our future nursing practitioners are fully equipped with the communication skills required to support patients, families, and communities.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,003
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Commentaire · Signal consensuel: Commentaire
Score de désaccord entre enseignants0,104
Score d'incertitude au seuil0,775

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0010,001
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,002
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,030
Tête enseignante GPT0,532
Écart entre enseignants0,502 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreCommentaire

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Nursing SciencesMême sujetInterprofessional Education and CollaborationTravaux en français237 207