Attitudes and perceptions of ICU nurses in caring for COVID-19 patients
Notice bibliographique
Résumé
ICU Nurses’ attitudes and Perceptions towards COVID-19 Patients is crucial because it illuminates challenges regarding caring these patients in the critically ill. This cross-sectional descriptive correlational study employed 85 Saudi ICU nurses worked with critically ill COVID-19 patients since 2020 until present in the government hospitals affiliated in the Ministry of Health (MOH) in Hail Region. These hospitals included King Khalid Hospital, King Salman Specialist Hospital, Hail general Hospital, Maternity and Child Hospital, and Sharaf Hospital, as they all have intensive care units in different specialties. A self-administered questionnaire through online survey was used and composed of three parts, (1) socio-demographic profile of the respondents, (2) the attitudes of the respondents in Caring for COVID-19 Patients and (3) perceptions of the respondents in Caring for COVID-19 Patients. The tool was adopted from Al-Dossary et al. (2020). The majority of nurses participated in the study aged between 25-34 years old, hold bachelor’s degree, and had between 2-5 years clinical experience. Nurses’ perception and attitude were moderately positive. However, male and females were differed in respect to attitude and perception. Likewise, education, age, and length of hospital experience were also influential to the attitudes and perception. In conclusion, healthcare organizations should evaluate ICU nurses attitudes and perception of pandemics to ensure safer and optimal practice.
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 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 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 ».