The use of clinical simulation in wound care education for nurses: a scoping review protocol
Notice bibliographique
Résumé
Many nurse educators consider simulation a valuable tool to supplement and augment learning due to current shortages of clinical placements. Wound care is integral to nursing practice yet many students and practicing nurses experience difficulties in securing sufficient learning opportunities or experience at the undergraduate level to feel competent in providing it. Emerging evidence supports simulation as a promising intervention to facilitate student learning in wound care, building nurses' confidence and competence in providing evidence-based wound care. OBJECTIVE: To understand how clinical simulation is being used to educate nurses about wound assessment and management, and to explore the impact of clinical simulation on learning outcomes, including knowledge, attitudes, confidence, and skills related to wound care. INCLUSION CRITERIA: Inclusion criteria include studies of nursing students and nurses, simulation educational interventions, and learning outcomes related to wound care evaluated by any measures. Any studies that do not fit these criteria will be excluded. METHODS: Databases to be searched include PubMed/MEDLINE, CINAHL, ERIC, SciELO up to February 2022. Studies in English with a date limit of 2012 to 2022 will be included. Search results will be imported into Covidence and screened by two independent reviewers, first based on the title and abstract and then full text. Data will be extracted with a novel extraction tool developed by the reviewers and then synthesised and presented in narrative, tabular, and/or graphical forms. DISSEMINATION: The finished scoping review will be published in a scientific journal once analysis is completed.
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 | 0,002 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».