Exploring factors affecting the facilitation of nursing students to learn paediatric pain management in Rwanda: A descriptive qualitative study
Notice bibliographique
Résumé
Nurse educators and nurse preceptors play a fundamental role in facilitating nursing students' acquisition and utilization of professional competencies. Previous studies about key elements for teaching and learning about pain in nursing education programs include students' personal characteristics and previous experiences; educators' knowledge, skills, and beliefs; learners' exposure to leaders in pain education; and curricular pain content and delivery approaches. These studies were mainly carried out in developed countries, with a context of educational and health care systems different from those of developing countries. The current study explores academics', clinical nurse preceptors', and nursing students' perceptions about factors influencing the facilitation of nursing students' competency for paediatric pain management in Rwanda. A qualitative descriptive exploratory design was used in this study that utilized in-depth interviews with six nurse educators and eight nurse preceptors, and focus group discussions with nineteen senior year nursing students. The study setting included five sites: two academic institutions and three clinical settings. Narratives from participants were transcribed verbatim and analysed using thematic analysis. The analysis yielded six themes describing factors that affected the facilitation of students' learning about paediatric pain management. The themes included student motivation, facilitators' attributes, collaboration between academics and clinicians, nurses' limited autonomy for decision-making regarding PPM practices, shortage of human and material resources, and educational qualification. Knowing these factors is essential as it provides an opportunity to design targeted interventions aimed to enhance the capacity of nurse educators and clinical nurse preceptors involved in teaching nursing students about paediatric pain management.
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 | 0,009 | 0,013 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,005 | 0,005 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 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 ».