Building a foundation for utilizing evidence based practice in conjunction with research in baccalaureate nursing program
Notice bibliographique
Résumé
Less is known about the undergraduate nursing students’ ability to conduct beginning research. This study aims to explore and describe nursing students' experiences in planning and implementation of community health fairs; and utilizing evidence based practice integrated with research as a learning outcome. The study using a quantitative and descriptive design was conducted by senior nursing students during diverse community health events as a part of Gerontological nursing clinical. The students utilized three fall assessment tools: Balance and Gait test, Timed Up and Go test, and 10-year Fracture Risk Calculation. A total of 74 students participated in seven community health fair events focused on Fall Prevention. This health fair event was in conjunction with the National Fall Prevention Awareness week. A total of 201 older adults were served during the event by nursing students who provided screening process and related health education. Data were gathered and a group of students volunteered to complete the research process. The students participated in oral presentation in the Annual University Research Student Symposium and had poster presentation in the professional academic conference. Early systematic organized planning of the clinical experience gives students opportunity to integrate evidence based practice into research. Application of varied evidence based assessment tools focused on older adults enables students to understand the health issue in depth and the need for additional services. Health fair experiences improve students’ communication and education skills, reality of health issues of the target population in a community, and evidence based research.
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 | 0,004 | 0,010 |
| 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 | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,005 |
| 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 ».