MétaCan
Menu
Retour à la cohorte
Enregistrement W4396578268 · doi:10.3390/healthcare12090906

Factors Associated with Evidence-Based Practice Competencies among Taiwanese Nurses: A Cross-Sectional Study

2024· article· en· W4396578268 sur OpenAlexaff
Li-Chuan Cheng, Chia‐Jung Chen, Shih‐Chun Lin, Malcolm Koo

Notice bibliographique

RevueHealthcare · 2024
Typearticle
Langueen
DomaineHealth Professions
ThématiqueHealth Sciences Research and Education
Établissements canadiensPublic Health OntarioUniversity of Toronto
Organismes subventionnairesBuddhist Tzu Chi Medical Foundation
Mots-clésCross-sectional studyMedicineNursingFamily medicineEvidence-based practiceHealth careAlternative medicine

Résumé

récupéré en direct d'OpenAlex

Evidence-based practice (EBP) is an essential component of healthcare practice that ensures the delivery of high-quality care by integrating the best available evidence. This study aimed to explore factors influencing EBP among nursing professionals in Taiwan. A cross-sectional survey study was conducted with 752 registered nurses and nurse practitioners recruited from a regional teaching hospital in southern Taiwan. EBP competency was evaluated using the Taipei Evidence-Based Practice Questionnaire (TEBPQ). The results showed that participation in evidence-based courses or training within the past year had the strongest association with EBP competencies (Std. B = 0.157, p < 0.001). Holding a graduate degree (Std. B = 0.151, p < 0.001), working in gynecology or pediatrics (Std. B = 0.126, p < 0.001), searching the literature in electronic databases (Std. B = 0.072, p = 0.039), and able to read academic articles in English (Std. B = 0.088, p = 0.005) were significantly associated with higher TEBPQ scores. Younger age (Std. B = −0.105, p = 0.005) and male gender (Std. B = 0.089, p = 0.010) were also identified as factors contributing to higher EBP competencies. The study highlights the importance of ongoing professional development, including EBP training and language proficiency, in enhancing EBP competencies among nursing professionals in Taiwan.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,005
score de la tête « metaresearch » (Gemma)0,008
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesÉtudes des sciences et des technologies
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,044
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0050,008
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,002
Études des sciences et des technologies0,0020,000
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,002
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,391
Tête enseignante GPT0,567
Écart entre enseignants0,176 · 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 tête enseignante, pas un consensus.

Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

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

En bref

Citations5
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueHealthcareMême sujetHealth Sciences Research and EducationTravaux en français237 207