Problem-solving training: effects on nursing students’ adherence, confidence, and application of problem solving to deal with the barriers to adherence to routine infection control practices
Notice bibliographique
Résumé
Background: Adherence to routine practices (RP) in infection control can be influenced by a number of barriers, which can potentially be dealt with using problem solving (PS) as a new approach. Aim: This study examined the effects of a problem-solving educational program (PSEDP) on nursing students’ adherence, confidence, and application of PS to address the three identified common barriers to RP adherence. Method: A controlled before and after study was conducted at two nursing schools in Eastern Canada. A total of 94 nursing students participated, with 62 students in the intervention group and 32 in the control group. Students in the intervention group received the PSEDP, while the control group received no intervention. Data from both groups were collected using a problem-solving questionnaire. Results: Overall, no significant differences were found between the intervention and control groups in their adherence to RP (P = 0.580), confidence in using PS (P = 0.602), and application of PS (baseline P = 0.161, post-program P = 0.618) to deal with the three identified barriers to RP adherence. However, we found significant differences in the subscale analysis of student confidence to deal with the barrier of high nursing workload (P = 0.032) and student adherence to some of the RP components (P < 0.05). Conclusion: The educational program provided an opportunity for the students to learn about PS to address the three identified barriers. Some improvements were found but they were smaller than expected, possibly due to limited time for practice in the clinical setting following the intervention.
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 | 0,000 |
| 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 | 0,000 | 0,000 |
| 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 ».