The knowledge, attitudes, and practices of arteriovenous access assessment among hemodialysis nurses: A multicenter cross‐sectional survey
Notice bibliographique
Résumé
INTRODUCTION: Hemodialysis nurses' cannulation technique, monitoring, and management methods can affect patients' vascular access longevity. An arteriovenous access assessment comprises a medical history and vascular assessment through physical examination and surveillance. However, further exploration is needed to fully understand hemodialysis nurses' knowledge, attitudes, and practices (KAP) in this area. METHODS: Between June and July 2023, we recruited hemodialysis nurses from 21 cities in Guangdong Province using a convenience sampling method. Four questionnaires-the General Data Questionnaire, the KAP Scale of Arteriovenous Access Assessment among Hemodialysis Nurses, the Utrecht Work Engagement Scale, and the NASA Task Load Index-were utilized for data collection through the Questionnaire Star platform. FINDINGS: Of the 530 hemodialysis nurses participating in the study, 458 (86.4%) had a valid response. The participants demonstrated moderate knowledge and practice levels regarding arteriovenous access assessment and exhibited positive attitudes. We identified several factors related to arteriovenous access assessment that predict KAP in hemodialysis nurses. These factors included years of experience as a hemodialysis nurse, whether a nurse's knowledge of physical examination was sufficient to meet clinical needs, whether a nurse had received training in performing physical examination, whether a nurse's department regularly checked the quality of physical examination, and nurses' levels of work engagement and mental workload. All factors explained 32.4% of the variance in participants' KAP regarding arteriovenous access assessment. DISCUSSION: Improving hemodialysis nurses' assessment of arteriovenous access is crucial to ensure optimal patient care. Dialysis center managers and educators should prioritize understanding hemodialysis nurses' KAP of arteriovenous access assessment and any factors influencing these areas.
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 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».