Le savoir au service des patients : évaluation du transfert des connaissances auprès d’infirmiers-ères, après une formation e-Learning sur la gestion de la douleur
Notice bibliographique
Résumé
Introduction : Dans les hôpitaux, la prévalence de la douleur a été signalée comme étant élevée. Or, une prise en charge infirmière efficace et constante de la douleur n’est pas optimale. Objectif : Cette étude visait à évaluer le transfert des connaissances à la suite d’une formation e-Learning sur la douleur, suivie par 47 infirmières et personnels d’assistance d’une unité de réadaptation gériatrique d’un centre hospitalier universitaire de Suisse francophone. Méthodes : Les infirmières et personnels d’assistance ont complété un questionnaire de satisfaction et un questionnaire de connaissances. Une analyse des dossiers-patients a été réalisée et des entretiens de groupe auprès de professionnels ont permis de compléter l’évaluation. Résultats : Les résultats démontrent une satisfaction élevée quant aux contenus abordés dans le e-Learning et une acquisition des connaissances au terme de la formation. Toutefois, l’analyse des dossiers-patients montre que les recommandations de bonnes pratiques en matière de dépistage et d’évaluation de la douleur ne sont pas systématiquement appliquées. Les entretiens de groupe ont permis de décrire plusieurs causes à cet écart. Discussion et conclusion : Pour que la formation bénéficie aux patients, le transfert des connaissances nécessite d’anticiper des stratégies d’accompagnement au développement des compétences, incluant un partenariat entre formateurs et cadres d’unités de soins, ainsi que l’évaluation des facteurs impliqués dans le transfert des connaissances.
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 | 0,035 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,005 | 0,002 |
| Communication savante | 0,000 | 0,008 |
| 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 ».