Physical Assessment Skills Used by Registered Nurses
Notice bibliographique
Résumé
Background: Nurses work in a wide variety of settings. Therefore, it is essential for nursing educators to continually evaluate and adapt nursing programs to ensure that the curricula prepare students to practice in a variety of health care settings. In this study, we sought to determine which skills were routinely used by registered nurses and to examine whether the cumulative number of practice settings influenced the number, and type, of physical assessments used. Methods: An electronic or a paper survey was distributed to registered nurses who worked as nursing clinical instructors at a mid-sized university in this cross-sectional study. Measures of frequency and central tendency described participant characteristics and physical assessment skills. A Kruskal-Wallis test was used to investigate an association between the number of practice settings and physical assessment skills used. Results: Forty-nine surveys were completed (59.8% return rate), with 47 surveys used for inferential statistics. Practice settings ranged from one to six, with a median of two employment areas. Medical-surgical was the most common setting (65.3%). Respondents identified 25 physical assessment skills as being performed routinely in their clinical practice; 11 skills were routinely performed by 80% of respondents. The median number of core skills routinely performed in clinical practice was not statistically significant (x2 = 4.03; p = .25). Conclusion: Academic and clinical nursing educators, policymakers, and nursing managers can use this study’s findings to supplement decision-making concerning nursing employment and continuing education opportunities.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 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 ».