Online training to improve evidence-based leadership competencies among nurse leaders in Finland and China: study protocols for two randomised feasibility trials
Notice bibliographique
Résumé
INTRODUCTION: This study protocol describes two randomised feasibility trials that will evaluate the feasibility and preliminary effectiveness of an online training course to improve evidence-based leadership competences among nurse leaders working in hospitals in Finland and China. METHODS AND ANALYSIS: Two randomised, parallel-group studies will be conducted separately: one in Finland (n=140) and one in China (n=160). Nurse leaders who fulfil the eligibility criteria will be randomly allocated (1:1) to participate in either the online evidence-based leadership training or conventional online training (reading material only). The primary outcomes will be acceptance of the online course (logging into the platform) and adherence in the online course (returned course tasks and drop-out rate of the participants). The secondary outcomes will be acceptance of the study regarding recruitment, feasibility of the eligibility criteria and outcome measures and potential effectiveness of the online course on leadership skills, evidence-based knowledge, attitudes, practice, self-efficacy, self-esteem and intention to leave. In addition, the feedback will be asked after the course. ETHICS AND DISSEMINATION: Two separate trials have received ethical clearance from local ethics committees (12/2022 in Finland, E2021167 in China). Permission to conduct the study will be granted by hospital authorities. All participants will provide electronic informed consent before baseline data are collected. The trial results will be published locally, nationally and internationally in professional and peer-reviewed journals, and shared at national and international meetings and conferences. TRIAL REGISTRATION NUMBERS: NCT05244512; NCT05244499.
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 | 0,119 | 0,120 |
| Méta-épidémiologie (sens strict) | 0,004 | 0,004 |
| Méta-épidémiologie (sens large) | 0,007 | 0,006 |
| Bibliométrie | 0,004 | 0,005 |
| Études des sciences et des technologies | 0,004 | 0,004 |
| Communication savante | 0,005 | 0,005 |
| Science ouverte | 0,003 | 0,003 |
| Intégrité de la recherche | 0,007 | 0,006 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,079 | 0,014 |
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 ».