Understanding Nurse Perceptions of Caring for Patients With Alcohol Use Disorder
Notice bibliographique
Résumé
BACKGROUND: Alcohol use disorder (AUD), the problematic consumption of alcohol, affects 107 million people worldwide. Individuals with AUD experience high morbidity and increased mortality. Nurses practicing in acute care are ideally positioned to deliver quality interventions to patients with AUD, including screening and brief intervention; formal training and assessment of baseline knowledge, attitudes, and perceptions are necessary. AIMS AND OBJECTIVES: The aim of this study was to explore the knowledge, attitudes, and perceptions of acute care nurses caring for patients with AUD. DESIGN: This study used a cross-sectional survey design. METHODS: The Survey of Attitudes and Perceptions was completed by 93 nurses working in six acute care centers (seven medicine units) across Alberta. Data were analyzed using descriptive and inferential statistics. RESULTS: Few participants reported receiving any prior structured training on AUD, with the majority reporting limited knowledge of alcohol and the effects of alcohol consumption. Although most participants said that caring for patients with AUD was a part of their professional role, few felt satisfied or motivated to work with this group of patients. Responses to individual questions or subdomains of the survey did not significantly differ by length of time in professional role, employment status, or sex. CONCLUSION: Our results indicate that nurses need to learn more about caring for patients with AUD. Developing tailored educational interventions that are mindful of the importance of knowledge, support, satisfaction, and motivation is necessary to improve the quality of care for patients with AUD.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| 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 | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».