MétaCan
Menu
Retour à la cohorte
Enregistrement W3080433630 · doi:10.5430/jnep.v10n12p14

Development of latex wound models for the wound dressing training of nursing students

2020· article· en· W3080433630 sur OpenAlexvenueno aff
Benyaporn Bannaasan

Notice bibliographique

RevueJournal of Nursing Education and Practice · 2020
Typearticle
Langueen
DomaineChemistry
ThématiqueAntimicrobial agents and applications
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésWound dressingWilcoxon signed-rank testMedicineNursingPurchasingOperations managementEngineeringMann–Whitney U testMaterials scienceInternal medicine

Résumé

récupéré en direct d'OpenAlex

A model is an essential instrument for the practical training of nursing students before field training in the ward, and an aid which creates skill and confidence for the students. The objective of this research is to develop a latex wound model for the wound dressing training of nursing students. Three research procedures are 1) to study documents and data relating to the development of latex wound models, 2) to construct the latex wound models and the research instruments, and 3) to try out the latex wound models, and evaluate the latex wound models efficiency. Participants are the 60 second-year nursing students. A wet dressing type latex wound model efficiency evaluation form and a dry dressing type latex wound model efficiency evaluation form were used for data collection. A reliability of 0.884 and 0.889 was acquired. The data were analyzed using descriptive statistics and Wilcoxon Signed Ranks Test. The finding of the studying results indicated that the mean scores of efficiency of both invented wet dressing type and dry dressing type latex wound model were higher than that of the original wound model of the Faculty of Nursing at statistical significance (p < .05). The finding indicated that the latex wound model had higher quality than those of the original wound model. Also, it helps the Faculty of Nursing save budget on purchasing expensive models.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,006
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,018

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,006
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,001

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.

Tête enseignante Opus0,235
Tête enseignante GPT0,453
Écart entre enseignants0,218 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Nursing Education and PracticeMême sujetAntimicrobial agents and applicationsTravaux en français237 207