Professional education among haemophilia nurses: a survey of current practices
Notice bibliographique
Résumé
Abstract Background: Guidance from the European Association for Haemophilia and Allied Disorders (EAHAD) sets out the educational milestones haemophilia nurses should aim to achieve. However, little is known about the resources nurses use for education and current awareness. Aims: To assess the current educational level of haemophilia nurses, how and where they access ongoing education, where they feel they need extra support, and how best this teaching could be delivered. Methods: Haemophilia nurses in the Haemnet Horizons group devised and piloted a questionnaire. This was distributed in hard copy to nurses attending the 2019 EAHAD Congress and promoted as an online survey hosted by Survey Monkey. Results: Seventy-five replies were received from nurses in Europe (46 in the UK), and two from nurses in Chile and the Philippines. Most described their role as ‘specialist nurse’, with the majority having worked in haemophilia care for up to ten years. Half had a nursing degree and one quarter had a nursing diploma. Three quarters had attended at least one course specifically related to haemophilia nursing. Almost all used academic sources, study days and the websites of health profession organisations as information sources. Most also used Google or Wikipedia, but fewer used Twitter. Patient association websites were more popular among non-UK nurses. About half attended sponsored professional meetings and three quarters reported that educational meetings were available in their workplace. A clear majority preferred interactive and face-to-face activities using patient-focused content. Conclusions: The study shows that nurses, predominantly in Western Europe, access a range of educational resources, most of which are ‘traditional’. Use of online sources is high, but social media are less popular than Google or Wikipedia. Further research is needed to explore the potential of new media for haemophilia nurse education, and whether the current educational levels and needs highlighted in the survey remains the same across the whole of Europe.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».