Enhancing Knowledge and Attitudes Regarding Opioid Use Disorder Among Private Primary Care Clinics
Notice bibliographique
Résumé
ABSTRACT: Opioid use disorder (OUD) continues to impact communities worldwide. British Columbia specifically declared a public health emergency in April 2016. It is known that patients with OUD often experience barriers in access to care, including limited knowledge and training among providers, as well as persisting stigma in the medical community. The Doctor of Nursing Practice quality improvement project sought to provide barrier-targeted OUD education while using multiple effective teaching methods, such as test-enhanced learning, to family nurse practitioners (FNPs) working among private primary care clinics to assess the impact on knowledge and attitudes. In review of an experience survey, zero participants had received prior education on OUD (N = 7). The Drug and Drug Problems Perceptions Questionnaire was used to assess attitudes. In review of the data, attitudes before receiving education (Mdn = 74) improved after receiving barrier-targeted education (Mdn = 66), W = 0, p < .05. Knowledge was tested at three time points. After a review of unique identifiers, four participant tests were successfully linked. It was found that knowledge after receiving education (M = 7.75, Mdn = 7.5) improved in comparison with baseline knowledge (M = 6, Mdn = 6) and further improved after a 1-month time frame (M = 8.5, Mdn = 8.5). Although the project was limited by sample size, providing education to FNPs who have not received prior education on OUD, and using modalities such as test-enhanced learning, showed a favorable impact on knowledge and attitudes. In light of the opioid epidemic, nursing leaders must continue to actively engage practicing FNPs and students with OUD education. FNPs are well positioned to be champions in this area and may mobilize teams to overcome barriers among private primary care clinics and increase access to care.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| 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 | 0,001 |
| 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 ».