Evaluating nurses’ preparedness in critical incidents
Notice bibliographique
Résumé
Objective: This study aims to evaluate the preparedness and training of Canadian nurses in critical incidents.Methods: Design: An observational cross-sectional survey through a self-administered web-based questionnaire. Setting: The questionnaire was shared with nurses working in emergency departments, intensive care units, and coronary care units at five hospitals affiliated with McGill University in Montreal (Quebec, Canada). Participants: In total, 145 nurses completed the questionnaire. It was sent through email to nurse managers and assistant nurse managers working in the emergency department, adult intensive care unit, and cardiac care unit at four academic hospitals. Main Outcome Measured: level of preparedness and skills of nurses to deal with critical incidents.Results: Most nurses have not participated in a disaster management (code orange) simulation (64.8%, n = 94). Moreover, around half of them knew their specific role in such a simulation (49.6%, n = 72). The vast majority of participants (78.6%, n = 114) never took part in a real code orange scenario. On multiple logistic regression, having > 10 years of experience in nursing, having > 10 years of experience in critical care, participating in a code orange simulation, knowledge of roles and responsibilities during a code orange situation, and having knowledge of the department's code orange plan, were significantly associated with a higher level of preparedness.Conclusions: This study shows a lack of nurses’ preparedness in dealing with critical incidents based on their self-assessment. Confidence and knowledge of skills associated with BLS and ACLS were noted to be essential for a high level of preparedness.
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 | 0,004 | 0,025 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».