Registered nurses’ reflections on their educational preparation to work with older people
Notice bibliographique
Résumé
BACKGROUND: Negative perceptions about working with older people within nursing contribute to the deficit of educators with expertise to teach student nurses, and nurses graduating ill-equipped to work with the ageing population. The perceptions of nurses who have recently graduated from a nursing programme can provide insights into what they wished they knew about working with older people before they graduated. METHODS: A qualitative descriptive study design examined recently graduated registered nurses' reflections on their education preparation to work with older people. Content and thematic analysis was used to develop the themes of first impressions and preparation to work with older people. RESULTS: Key findings were that nurses did not recognise the importance of learning about older people until they had graduated. Only then did they realise that the ageing population was so complex and prevalent. They perceived a lack of education particularly related to working with older people with dementia and their behaviours, as well as learning how to communicate to an older population. Participants perceived that as students, it was up to them to fit in learning about working with older people without the support of faculty. CONCLUSIONS: Faculty need to be supported in learning how to best incorporate content about older people into their curriculum. This could include the development of learning activities that dispel negative stereotypes about ageing and facilitates interest in older people, as this is the population, students are most likely to work with when they graduate. IMPLICATIONS FOR PRACTICE: Nurses in practice may require education on working with people with dementia as it is a deficit in nursing programmes.
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 | 0,000 | 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) | 0,001 | 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 ».