MétaCan
Menu
Retour à la cohorte
Enregistrement W4205800678 · doi:10.1186/s12912-021-00740-x

Virtual patient simulation to improve nurses’ relational skills in a continuing education context: a convergent mixed methods study

2022· article· en· W4205800678 sur OpenAlexafffundabout
Geneviève Rouleau, Marie‐Pierre Gagnon, José Côté, Lauralie Richard, Gabrielle Chicoine, Jérôme Pelletier

Notice bibliographique

RevueBMC Nursing · 2022
Typearticle
Langueen
DomaineMedicine
ThématiqueSimulation-Based Education in Healthcare
Établissements canadiensUniversité du Québec à RimouskiUniversité LavalUniversité de MontréalThe Quebec Population Health Research NetworkCentre Hospitalier de l’Université de MontréalCentre de Santé et de Services Sociaux Cavendish
Organismes subventionnairesCanadian Institutes of Health ResearchMinistère de l'Éducation et de l'Enseignement supérieurMax-Planck-GesellschaftRéseau de recherche portant sur les interventions en sciences infirmières du Québec
Mots-clésSnowball samplingSimulated patientThematic analysisContext (archaeology)MedicineDescriptive statisticsNursingInterviewMedical educationTest (biology)Qualitative propertyFocus groupQualitative researchPsychologyComputer science

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Effective provider-patient communication is crucial to the delivery of high-quality care. Communication roadblock such as righting reflex is widely observed among providers and can lead to relational disengagement. In previous work, nurses felt ill-equipped to communicate effectively with HIV-positive patients to support medication adherence. Providing nurses with continuing education opportunities to improve their relational skills is a major target for optimizing the quality of care. Virtual patient simulation is one promising strategy that needs to be evaluated among graduate nurses. This study aimed to assess the acceptability of a virtual patient simulation to improve nurses' relational skills in a continuing education context. METHODS: We conducted a convergent mixed methods study by combining a quantitative pre-experimental, one-group post-test design and a qualitative exploratory study. We used convenience and snowball sampling approaches to select registered nurses (n = 49) working in Quebec, Canada. Participants completed an online sociodemographic questionnaire, consulted the automated virtual patient simulation (informed by motivational interviewing), and filled out an online post-test survey. Descriptive statistics (mean, SD, median, interquartile range) were used to present quantitative findings. From the 27 participants who completed the simulation and post-test survey, five participated in a focus group to explore their learning experience. The discussion transcript was subjected to thematic analysis. At the final stage of the study, we used a comparison strategy for the purpose of integrating the quantitative and qualitative results. RESULTS: Nurses perceived the simulation to be highly acceptable. They rated the global system quality and the technology acceptance with high scores. They reported having enjoyed the simulation and recommended other providers use it. Four qualitative themes were identified: motivations to engage in the simulation-based research; learning in a realistic, immersive, and non-judgmental environment; perceived utility of the simulation; and perceived difficulty in engaging in the simulation-based research. CONCLUSIONS: The simulation contributed to knowledge and skills development on motivational interviewing and enhanced nurses' self-confidence in applying relational skills. Simulation holds the potential to change practice, as nurses become more self-reflective and aware of the impact of their relational skills on patient care. TRIAL REGISTRATION: ISRCTN18243005 , retrospectively registered on July 3 2020.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,035
score de la tête « metaresearch » (Gemma)0,028
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,035
Score d'incertitude au seuil0,187

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0350,028
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,001
Études des sciences et des technologies0,0030,002
Communication savante0,0020,001
Science ouverte0,0020,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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.

Tête enseignante Opus0,028
Tête enseignante GPT0,424
Écart entre enseignants0,396 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeQualitatif
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations39
Publié2022
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueBMC NursingMême sujetSimulation-Based Education in HealthcareTravaux en français237 207