MétaCan
Menu
Retour à la cohorte
Enregistrement W4360817443 · doi:10.1515/ijnes-2022-0130

Improving practicing nurses’ knowledge of the cognitive impairment, continence, and mobility needs of older people

2023· article· en· W4360817443 sur OpenAlexafffundabout
Sherry Dahlke, Jeffrey I. Butler, Kathleen F. Hunter, Joanna Law, Lori Schindel Martin, Matthew Pietrosanu

Notice bibliographique

RevueInternational Journal of Nursing Education Scholarship · 2023
Typearticle
Langueen
DomaineMedicine
ThématiqueIntensive Care Unit Cognitive Disorders
Établissements canadiensToronto Metropolitan UniversityUniversity of Alberta
Organismes subventionnairesSocial Sciences and Humanities Research Council of CanadaUniversity of Alberta
Mots-clésPerceptionCognitionTest (biology)Cognitive impairmentTimed Up and Go testGerontological nursingNursingMedicinePsychologyOlder peopleGerontologyPhysical therapyPsychiatry

Résumé

récupéré en direct d'OpenAlex

OBJECTIVES: To test if two e-learning modules - one on cognitive impairment, and one on continence and mobility - in older people would improve the knowledge of nurse members from the Canadian Gerontological Nurses Association and College of Licensed Practical Nurses of Alberta. METHODS: A pre-post-test design was used to test 88 nurses' knowledge of cognitive impairment and 105 nurses' knowledge of continence and mobility and their perceptions of how the modules contributed to their learning. RESULTS: There was a statistically significant increase in practicing nurses' knowledge about cognitive impairment (0.68 increase), continence (2.30 increase), and its relationship to mobility. Nurses' self-report on the feedback survey demonstrated increases in knowledge, confidence, and perceptions about older people. CONCLUSION: These results suggest the modules have strong potential to enhance practicing nurses' knowledge about cognitive impairment, continence, and mobility.

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)0,001
score de la tête « metaresearch » (Gemma)0,004
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,004
Score d'incertitude au seuil0,008

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,004
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)0,0020,000

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 Opus0,030
Tête enseignante GPT0,395
Écart entre enseignants0,366 · 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'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

Citations2
Publié2023
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Nursing Education ScholarshipMême sujetIntensive Care Unit Cognitive DisordersTravaux en français237 207