Learning needs and perceived barriers and facilitators to end-of-life care: a survey of front-line nurses on acute medical wards
Notice bibliographique
Résumé
OBJECTIVES: Caring for dying hospitalised patients is a healthcare priority. Our objective was to understand the learning needs of front-line nurses on the general internal medicine (GIM) hospital wards, and perceived barriers to, and facilitators of, optimal end-of-life care. METHODS: We developed an 85-item survey informed by the Theoretical Domains Framework and Capability-Opportunity-Motivation-Behaviour system. We included demographics and two main domains (knowledge and practice; delivering end-of-life care) with seven subsections. Nurses from four GIM wards and the nursing resource team completed this survey. We analysed and compared results overall, by Capability, Opportunity, and Motivation, and by survey domain. We considered items with median scores <4/7 barriers. We conducted an a priori subgroup analysis based on duration of practice (≤5 and >5 years). RESULTS: Our response rate was 60.5% (144/238). 51% had been practising for >5 years; most respondents were female (93.1%). Nurses had similar scores on the knowledge (mean 76.0%; SD 11.6%) and delivering care (mean 74.5% (8.6%)) domains. Scores for items associated with Capability were higher than those associated with Opportunity (median (first, third quartiles) 78.6% (67.9%, 87.5%) vs 73.9% (66.0%, 81.8%); p=0.04). Nurses practising >5 years had significantly higher scores on all analyses. Barriers included engaging with families having strong emotional reactions, managing goals of care conflicts between patients and families, and staffing challenges on the ward. Additional requested resources included formal training, information binders and more staff. Opportunities for consideration include formalised on-the-job training, access to comprehensive information, including symptom management at the end of life, and debriefing sessions. CONCLUSIONS: Front-line nurses reported an interest in learning more about end-of-life care and identified important barriers that are feasible to address. These results will inform specific knowledge translation strategies to build capacity among bedside nurses to enhance end-of-life care practices for dying patients on GIM wards.
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 | 0,002 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».