Examining the Evidence on the Statistics Prerequisite for Admission to Doctor of Nursing Practice Programs: Retrospective Cohort Study
Notice bibliographique
Résumé
BACKGROUND: Doctor of Nursing Practice (DNP) programs in the United States confer the highest practice degree in nursing. The proportion of racial and ethnic minority DNP students, including those of Asian descent, keeps increasing in the United States. Statistics is commonly required for DNP programs. However, there is insufficient evidence regarding the number of years within which statistics should be taken and the minimum grade required for admission to the program. OBJECTIVE: This study aimed to examine the associations of statistics prerequisite durations and grades for admission with the course performances within the DNP program. We also explored whether a postadmission statistics overview course can prepare students for a DNP statistics course as well as a required statistics prerequisite course. METHODS: A retrospective cohort study was conducted with a sample of 31 DNP students at a large university in the Mid-Atlantic region. Statistical analysis of data collected over 5 years, between 2018 and 2022, was performed to examine the associations, using Spearman rank correlation analysis and Mann-Whitney U test (U). RESULTS: The performance of students in a DNP statistics course was not associated with prerequisite duration. There was no significant association between the duration and the DNP statistics course letter grades (ρ=0.12; P=.66), neither with exam 1 (ρ=0.03; P=.91) nor with exam 2 scores (ρ=0.01; P=.97). Prerequisite grades were positively associated with exam 1 grades (ρ=0.59; P=.02), but not exam 2 (ρ=0.35; P=.19) or course grades (ρ=0.40; P=.12). In addition, no difference was found in the performance of students whether meeting the prerequisite requirements or taking a 1-month, self-paced overview course (exam 1: U=159, P=.13; exam 2: U=102, P=.50; course letter grade: U=117, P=.92). CONCLUSIONS: No evidence was found to support the need for limits on when prerequisites are completed or grade requirements. Opting for a statistics overview course after admission can serve as a viable alternative to the statistics prerequisite, effectively preparing students for advanced quantitative data analysis in a DNP program.
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
Étiquettes directes de modèles (non validées)
Étiquettes de catégorie et de devis d'étude par modèle, issues des rondes d'étiquetage. C'est une sortie machine, non validée, et le désaccord entre modèles est livré comme donnée. Aucun devis ici n'est encore validé contre MEDLINE.
| Bras | Catégories | Devis d'étude | Confiance |
|---|---|---|---|
| gemma | aucune catégorie Domaine: non disponible · Genre: Empirique Porte sur le système de recherche canadien: non · Porte sur un sujet canadien: non | Observationnel | low |
| gpt | aucune catégorie Domaine: non disponible · Genre: Empirique Porte sur le système de recherche canadien: non · Porte sur un sujet canadien: non | Observationnel | low |
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 | 0,005 | 0,015 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 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 validéeÉtiqueté directement par 2 modèles lisant le dossier complet.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».