Impact assessment of pharmacovigilance-related educational intervention on nursing students’ knowledge, attitude and practice: A pre-post study
Notice bibliographique
Résumé
Objective: This study evaluated the impact of a pharmacovigilance education module for nursing students.Methods: In this prospective, pre-post interventional study, the 2nd year diploma in Nursing students (n = 38) were the ‘test’ group (who received intervention), and the 1st and 3rd year students were the control group (n = 78); total n = 116. Knowledge Attitude Practice (KAP) responses were taken at baseline (0 day), 30 days, 90 days and 180 days from both the groups. Improvements in the KAP scores following the intervention was analyzed using Wilcoxon signed rank test at alpha = .05, and the feedback was obtained using a ‘Likert scale’ having 20 questions; maximum possible score was 100.Results: The median (IQR) overall baseline scores of knowledge were 11 (10-12), the attitude/practice scores were 22 (20.25-22.00) and the total scores was 32.5 (31-34); the maximum possible score was 40. Almost all (n = 113; 97.4%) of them felt adverse drug reactions reporting was necessary and were interested in learning about adverse drug reactions. The baseline KAP scores were significantly higher among the second- and third-year students compared to the first year (p < .001). Upon intervention, a significant improvement was seen in knowledge scores between the baseline and first follow-up (p = .018) and between second and third follow-up (p = .001) in the test group. The median (IQR) feedback score was 85 (80.7-88.2).Conclusions: Students had better attitude/practice scores, but a poor knowledge score at baseline. This study confirmed the feasibility of conducting a pharmacovigilance module for nursing students in Nepal.
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 | 0,001 | 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 | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».