Communication tools and sources of education and information: a national survey of rural and remote nurses
Notice bibliographique
Résumé
OBJECTIVE: This study examined accessibility of communication tools in the workplace, use of education to update nursing knowledge, and use of information to make specific decisions in practice among registered nurses (RNs) and licensed practical nurses (LPNs) in rural and remote communities in Canada. METHODS: Data were analyzed from the cross-sectional survey, "Nursing Practice in Rural and Remote Canada II," of regulated nurses practicing in all provinces and territories of Canada. Data were collected from April 2014 to August 2015. RESULTS: The survey was completed by 3,822 of 9,622 nurses (40% response), and the present analysis was conducted with a subsample of 2,827 nurses. High-speed Internet was the most accessible communication tool, and nurses used "online/electronic education" more often than "in-person education" to update their nursing knowledge. Internet searches were used more often than several other online/electronic sources to inform decision making. Compared to LPNs, RNs reported greater workplace access to most communication tools and greater use of online/electronic education as well as information sources in online/electronic and print formats. Compared to nurses in community-based health care and hospital settings, nurses in long-term care settings reported lower access to most communication tools, lower use of online/electronic and in-person education, and lower use of online/electronic information. CONCLUSIONS: Access to continuing education and up-to-date information is important for effective patient care. This study points to a need for further research on the continuing education and information needs of rural and remote RNs and LPNs, and on their capacity to incorporate and apply new knowledge in practice.
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 | 0,005 | 0,007 |
| 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 | 0,005 |
| 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 ».