MétaCan
Menu
Retour à la cohorte
Enregistrement W4229021951 · doi:10.3928/01484834-20220303-08

Measuring the Influence of Curricular Content and Personal Stories on Substance Use Stigma

2022· article· en· W4229021951 sur OpenAlexaff
Stephanie Knaak, Jes Besharah, Melinda Billett, Kirandeep Kharpal, Scott B. Patten

Notice bibliographique

RevueJournal of Nursing Education · 2022
Typearticle
Langueen
DomaineMedicine
ThématiqueSubstance Abuse Treatment and Outcomes
Établissements canadiensMental Health Commission of Canada
Organismes subventionnairesnon disponible
Mots-clésCurriculumAddictionPsychologyPsychological interventionStigma (botany)Qualitative researchMental healthIntervention (counseling)Content analysisClinical psychologyNursingMedicinePsychiatryPedagogy

Résumé

récupéré en direct d'OpenAlex

Background: Understanding of the lived experience is an important educational strategy for improving attitudes toward stigmatized patient groups. This study evaluated the influence of a personal story intervention on nursing students' attitudes toward people who use opioids and measured attitudinal change from students' regular mental health and addictions curriculum. Method: This study used a single-group longitudinal design. Stigma outcomes were measured using the Opening Minds Provider Attitudes Toward Opioid Use Scale. Mean scores were analyzed for four time periods: control, social contact intervention, curricular component, and 3-month follow-up. Qualitative feedback also was collected. Results: Stigma scores improved significantly from pre- to postsocial contact intervention. No differences were observed for curricular content, control period, or follow-up. Qualitative findings suggest the personal story was associated with positive student-reported attitudes. Conclusion: Integrating personal story interventions with traditional curriculum elements is a promising educational approach for improving perceptions and behaviors of nursing students toward people who use drugs. [ J Nurs Educ . 2022;61(5):264–267.]

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,054
Score d'incertitude au seuil0,153

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,106
Tête enseignante GPT0,328
Écart entre enseignants0,222 · 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 tête enseignante, pas un consensus.

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

Citations5
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Nursing EducationMême sujetSubstance Abuse Treatment and OutcomesTravaux en français237 207