The Development of an Intramuscular Injection Simulation for Nursing Students
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Intramuscular (IM) injections are preferred over subcutaneous injections for administering medicine such as epinephrine and vaccines as the muscle tissue contains an increased vascular supply that provides ideal absorption of the drug being administered. However, administering an IM injection requires clinical judgment when choosing the injection site, understanding the relevant anatomy and physiology as well as the principles and techniques for administering an IM injection. Therefore, it is essential to learn and perform IM injections using injection simulators to practice the skill before administering to a real patient. Current IM injection simulators either favor realism at the expense of standardization or are expensive but do not provide a realistic experience. Therefore, it is imperative to develop an inexpensive but realistic intramuscular injection simulator that can be used to train nursing students so that they can be prepared for when they enter the clinical setting. This technical report aims to provide an overview of the development of an inexpensive and realistic deltoid simulator geared to teach nursing students the skill of IM injections. After development, the IM simulators were tested and validated by practicing nurses. An 18-item survey was administered to the nurses, and results indicated positive feedback about the realism of the simulator, in comparison to previous models used, such as the Wallcur® PRACTI-Injecta Pads (Wallcur LLC, San Diego, CA). Feedback to improve the density of the simulator as well as the shape and size to make it a more realistic experience was provided.
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.
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 | 0,000 | 0,000 |
| 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 | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 découle