MétaCan
Menu
Retour à la cohorte
Enregistrement W4391897709 · doi:10.1186/s12912-024-01769-4

A framework for capacity enhancement of Rwandan nurse educators and preceptors facilitating nursing students to learn pediatric pain management

2024· article· en· W4391897709 sur OpenAlexaff
Philomene Uwimana, Donatilla Mukamana, Yolanda Babenko‐Mould, Oluyinka Adejumo

Notice bibliographique

RevueBMC Nursing · 2024
Typearticle
Langueen
DomaineMedicine
ThématiquePediatric Pain Management Techniques
Établissements canadiensWestern University
Organismes subventionnairesUniversity of Rwanda
Mots-clésNursingMedicineNurse educationLicensureNursing researchPediatric nursingNursing management

Résumé

récupéré en direct d'OpenAlex

INTRODUCTION: In low- and middle- income countries like Rwanda, children are most likely to suffer from painful and life-limiting conditions due to various factors predominant in these settings. Adequate pre-licensure pain management training can improve pain relief nursing practices. Educators and nurses in practice have a responsibility to teach the soon-to- be nurses for holistic competent nursing care of children, emphasizing the importance of and addressing child's suffering, yet inconsistencies were reported in what was taught regarding pediatric pain management from a theoretical perspective by nurse educators as compared to their counterparts in clinical settings in Rwanda. DESIGN: This study applied a qualitative approach using group discussions based on nominal group technique (NGT) to develop and validate a conceptual framework supporting the capacity enhancement of nurse educators and preceptors facilitating students' learning about pediatric pain management in Rwanda. METHODS: NGT meetings were conducted with academic nurses (n = 8), nurse clinicians (n = 4), and nursing students (n = 2) during a 2-day workshop to identify strategies, discuss the relevance of each strategy and to agree on key concepts of a framework for improving the ability of nurse educators and preceptors to teach PPM to nursing students. After four weeks another round of NGT meetings were done with nursing faculty (n = 6), academic nurse leaders (n = 3), nurse preceptors (n = 2), clinical nurse leaders (n = 2), a nurse leader from a regulatory body (n = 1), and nursing student (n = 1) to validate the developed framework. FINDINGS: Four main strategies corresponding to the key concepts were mapped in a framework. Participants had a consensual agreement on the importance of the developed framework, they confirmed its completeness and practicality. In addition, participants found that the developed framework is logical, and confirmed that it is applicable for its purpose. CONCLUSION: The developed framework presents an opportunity to respond to the gaps in nursing pain education in the context of limited resources settings such as Rwanda. It can also be applied in nursing practice and nursing research, aligning with the need of improving the quality of care of suffering children. Furthermore, the framework can be adapted and utilized to meet the needs of healthcare professionals other than nurses. CLINICAL RELEVANCE: Strategies are suggested to improve the ability of nurse educators and preceptors in clinical settings to facilitate the acquisition of pediatric pain management competencies by the next generation of nurses. Future Rwandan nurses could then use the competencies acquired to provide optimal health care to children with pain in the best way possible during their practices.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,030
score de la tête « metaresearch » (Gemma)0,022
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,030
Score d'incertitude au seuil0,157

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0300,022
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0040,002
Études des sciences et des technologies0,0080,029
Communication savante0,0070,008
Science ouverte0,0040,010
Intégrité de la recherche0,0040,004
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,027
Tête enseignante GPT0,365
Écart entre enseignants0,338 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeThéorique ou conceptuel
Domainenon disponible
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations3
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBMC NursingMême sujetPediatric Pain Management TechniquesTravaux en français237 207