MétaCan
Menu
Retour à la cohorte
Enregistrement W3082645474 · doi:10.3928/01484834-20200817-06

Substance Use Education in Canadian Nursing Programs: A Student Survey

2020· article· en· W3082645474 sur OpenAlexaboutno aff
Marilou Gagnon, Alayna Payne, Dominique Denis-Lalonde, Kimberly Anne Wilbur, Bernie Pauly

Notice bibliographique

RevueJournal of Nursing Education · 2020
Typearticle
Langueen
DomaineMedicine
ThématiqueSubstance Abuse Treatment and Outcomes
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésPaceSubstance useNursingHarmHarm reductionNurse educationMedicinePsychologyPsychiatrySocial psychologyPublic health

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: In Canada, nursing programs have not kept pace with the growing rates and changing patterns of substance use. METHOD: To get a sense of the current state of substance use education in nursing programs, we conducted a survey of nursing students. RESULTS: Our findings indicate that (a) substance use education is minimal, 1 to 5 hours (43%) or none (20%); (b) students had more working knowledge of legal and prescribed substances than illegal ones; (c) of 22 content areas deemed essential for practice, only seven were covered; (d) students were able to identify statements consistent with a harm reduction philosophy despite limited substance use education; and (e) the majority of students wrongfully believed that illegal substances are more harmful than legal substances. CONCLUSION: Our findings demonstrate that substance use education in nursing programs is largely insufficient and not keeping up with current issues. [J Nurs Educ. 2020;59(9):510-513.].

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,157
Score d'incertitude au seuil0,987

Scores Codex et Gemma par catégorie

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

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.

Tête enseignante Opus0,105
Tête enseignante GPT0,406
Écart entre enseignants0,301 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
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

Citations7
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Nursing EducationMême sujetSubstance Abuse Treatment and OutcomesTravaux en français237 207