BLOOD PRESSURE MEASUREMENT METHODS AND KNOWLEDGE, PERCEPTION, PRACTICE OF NURSES: ARE WE THERE YET?
Notice bibliographique
Résumé
Objective: Accurate Blood pressure measurement (BPM) is a fundamental aspect of hypertension management. Guidelines regarding BPM methods, namely home (HBPM), ambulatory (ABPM), office (OBPM) and automated (AOBP) are published by Hypertension Canada. Nurses commonly perform BPM, but little is known regarding their knowledge, perception and practice when considering all BPM methods. A recent scoping review concluded that insufficient data was available for all professionals, but specifically nurses. This descriptive study assessed knowledge, perception and practice of nurses regarding all BPM methods. Design and method: All nurses licensed to practice in primary care settings across Québec were targeted for this survey. A personalized email invitation, and 2 reminders, including a link to a secured platform was send between in December 2019. Data was collected using a validated and pretested questionnaire consisting of 48 questions for knowledge, perception and practice for all BPM methods in English and French. Results: A total of 447 nurses participated, with a response rate of 11%. The median age was 40.5 ± 11,5 years old and 92% were women. For knowledge and perception, the mean percentage score obtained are presented in Table 1. For practice, the most frequently recommended method was HBPM (47%), followed by ABPM (18%). One third (35%) nurses reported education for HBPM was frequently provided to their patients, while for ABPM it was only 18%. While AOBP is the preferred method in Canada, more than half (52%) never use it and only 57% use oscillometric device for OBPM, meaning that there are still a large number of measurements being performed manually by auscultation. Conclusions: Although nurses had positive perceptions about the use of out-of-office measurements there is still much room for improvement for knowledge and practice. Our results show that a gap remains between what is recommended, what is known, and what is actually done in the field. Further strategies should involve optimal use of educational resources such as BPM algorithm posters and booklets, optimizing patient centered care using team-based approach, incorporating HBPM and encouraging participation in certification programme offered by hypertension societies.
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 | 0,011 | 0,035 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,004 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,001 |
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.
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 ».