The Perceptions of Professional Nurses Regarding the Performance of Cervical Cancer Screening, in Makhuduthamaga Sub-district, Sekhukhune District, Limpopo Province, South Africa
Notice bibliographique
Résumé
Cervical cancer is regarded as the most common diagnosed type of cancer and resulting in high cancer related mortality amongst women. Cervical cancer related mortality rate is a serious challenge in Africa as compared to other countries, which needs a high collaborative approach amongst all health professionals. However, the higher incidence and death rate of cervical cancer implies that, high need of cervical cancer screening measures are necessary. A qualitative, descriptive approach was conducted through focus group discussions to establish perceptions of professional nurses regarding the provision of cervical cancer screening services in clinics. Challenges regarding the provision of cervical cancer services in clinics were raised by professional nurses during interviews. Verbatim data was collected by using interview guides and analyzed using Tesch’s 8-step approach in the coding process. Perceptions such as cultural beliefs, lack of resources for conduction of cervical cancer screening and transportation of Pap smear specimens and results, inadequate provision of information and pap smear results to clients were raised by professional nurses as contributing to cervical cancer uptake. Lack of standardized cervical cancer screening training thus leading to professional nurses not being sure of their performance regarding the provision of cervical cancer screening services were also stated by participants as challenges influencing uptake of cervical cancer screening. However, lack of standardized training about cervical cancer screening was found to be affecting the performance on provision of cervical screening services. A need for standardized cervical cancer screening training for all professional nurses is recommended.
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 | 0,005 |
| 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 | 0,003 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».