MétaCan
Menu
Retour à la cohorte
Enregistrement W4405239331 · doi:10.1097/nne.0000000000001790

Development of Clinical Judgment in Prelicensure Nursing Students Through Simulation

2024· article· en· W4405239331 sur OpenAlexaff
Michelle E. Bussard, Lisa K. Jacobs, Sarah Mahoney, L G Davis, Annette M. Oberhaus, Patrick Lavoie

Notice bibliographique

RevueNurse Educator · 2024
Typearticle
Langueen
DomaineMedicine
ThématiqueSimulation-Based Education in Healthcare
Établissements canadiensUniversité de Montréal
Organismes subventionnairesnon disponible
Mots-clésRubricClinical judgmentBachelorCurriculumPsychologyMedical educationLongitudinal studyNursingMedicineMathematics educationMedical physicsPedagogy

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: There is a lack of longitudinal studies measuring student progression in clinical judgment. Previous studies measured gains in clinical judgment after 1 intervention or over 1 semester. PURPOSE: This study evaluated the development and progression of clinical judgment in simulation throughout a prelicensure bachelor of science in nursing (BSN) program using the Lasater Clinical Judgment Rubric (LCJR). METHODS: This retrospective longitudinal study evaluated clinical judgment using the LCJR over 4 semesters, with a sample of 53 prelicensure nursing students. Each student had 18 simulation scores recorded during the study. A linear mixed model was employed to compare LCJR average scores from the beginning to the end of the program and across each semester. RESULTS: Eighteen simulations were reviewed among 4 nursing courses. LCJR scores increased progressively from the first to the fourth semester. CONCLUSIONS: Students showed progression of clinical judgment throughout a BSN curriculum using the LCJR as an assessment tool.

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)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
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 enseignants0,067
Score d'incertitude au seuil0,558

Scores Codex et Gemma par catégorie

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

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 Opus0,148
Tête enseignante GPT0,563
Écart entre enseignants0,415 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
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

Citations8
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueNurse EducatorMême sujetSimulation-Based Education in HealthcareTravaux en français237 207