Evaluating the Effectiveness of Existing In-service Training Courses on Infection Prevention and Control in Nurses: An Evaluation Using the Kirkpatrick Model
Notice bibliographique
Résumé
Background: Evaluating the effectiveness of educational courses is essential for ensuring high-quality healthcare. Objectives: This study assessed the effectiveness of current in-service training courses on infection prevention and control for nurses, using the Kirkpatrick evaluation model. Methods: This evaluative study was conducted at Shiraz Army Hospital in 2024, involving 40 nurses and 10 supervisors. The educational program consisted of interactive workshops held over two days, covering topics such as standard precautions, isolation procedures, and hand hygiene. The evaluation followed Kirkpatrick’s four levels: Reaction, learning, behavior, and impact. Nurses' reactions and knowledge were measured using validated questionnaires, while supervisors assessed behavioral changes. Data were analyzed with SPSS 26, using descriptive statistics and a one-sample t-test. Results: All four levels of the Kirkpatrick model were evaluated. Nurses reported a mean reaction score of 3.73 (SD = 0.80), reflecting positive feedback on the training. Knowledge scores significantly increased from a pre-test mean of 2.39 (SD = 0.74) to a post-test mean of 3.72 (SD = 0.74) (P < 0.001). Supervisors observed a behavioral improvement, with scores increasing from 2.34 (SD = 0.94) to 3.72 (SD = 0.74) (P = 0.004). Furthermore, the nosocomial infection index decreased from 0.7 to 0.5 (P = 0.002) following the training. Conclusions: The findings demonstrate the effectiveness of current in-service training courses on infection prevention and control for nurses. The Kirkpatrick model proved to be a valuable evaluation tool, underscoring the importance of ongoing assessment of nurses’ competencies to enhance infection prevention practices.
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 | 0,030 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».