Preparedness of Australian and British nurses and midwives about domestic violence and abuse
Notice bibliographique
Résumé
BACKGROUND: Domestic violence and abuse (DVA) is a major health problem that affects individuals across the world. Nurses, midwives and healthcare providers need to be confident and competent in identifying and responding to DVA. AIMS: To measure current levels of knowledge, opinions and preparedness towards DVA and how it is managed by registered nurses and midwives residing in Australia and the UK. METHODS: A cross-sectional study design was used. Data were collected using the Physician Readiness to Manage Intimate Partner Violence Survey (PREMIS) measuring the perceived preparation and knowledge, actual knowledge, opinions and practice issues. Australian data were collected in 2018 and UK data were collected in 2017-2018. Descriptive and inferential statistics were used to analyse the data and differences in knowledge and attitudes of British and Australian nurses. FINDINGS: Nurses and midwives (n = 368; 130 from Australia; 238 from the UK) responded to the survey. Minimal previous DVA training was reported by the participants. Participants had minimal knowledge about DVA, though had a positive attitude towards engaging with women experiencing DVA. DISCUSSION: Most participants felt unprepared to ask relevant questions about DVA and had inadequate knowledge about available resources. Australian participants scored better than British participants; however, the mean difference in all aspects remained statistically insignificant. CONCLUSION: Australian and British nurses and midwives have a positive attitude towards women experiencing DVA; however, the knowledge and skills to support women experiencing DVA are limited. IMPLICATIONS FOR NURSING POLICY: Nursing institutions should develop strategic policies regarding mandatory preparation and training of nurses for domestic violence assessment and 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 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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».