Determinants of Implementation of Evidence-Based Practice in Clinical Decision-Making among Nurses in Primary Health Care Facilities
Notice bibliographique
Résumé
Background. Healthcare workers and institutions often face a lack of evidence-based and cost-effective care, which, if addressed, could improve practice and outcomes. Aim. To assess the determinants of implementation of evidence-based practice (EBP) in clinical decision-making (CDM) among nurses in primary health care facilities. Methods. The study utilized a descriptive cross-sectional design involving 266 nurses from primary healthcare facilities in Ondo State. Data were collected through a structured questionnaire administered via the online survey platform Google Forms. Findings are presented in frequency and percentage tables, and inferential statistics were analyzed using Chi-square tests at a 5% level of statistical significance. Results. Knowledge has been identified as a key determinant in the implementation of Evidence-Based Practice (EBP) in Chronic Disease Management (CDM) among nurses in primary healthcare facilities. The study revealed that 73.7% of respondents demonstrated a strong knowledge of EBP in CDM, with the highest levels reported among ward managers. Additionally, access to EBP resources and consistent support from employers were major factors influencing successful EBP implementation, with 86% of respondents affirming the importance of these supports. Regarding implementation levels, 53.4% of respondents reported high implementation of EBP in CDM, while the remaining 46.6% indicated low implementation. Conclusions. The study concluded that while nurses generally possessed good knowledge of Evidence-Based Practice, the highest levels of expertise were observed among ward managers. Key barriers to Evidence-Based Practice implementation in Chronic Disease Management were also identified, including limited network accessibility and inconsistent electricity supply. Keywords: determinants; implementation; evidence-based practice; clinical decision-making; nurses.
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 | 0,008 | 0,039 |
| 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 | 0,001 | 0,001 |
| 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 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 ».