Nursing knowledge in cardio-oncology: results of an international learning needs-assessment survey
Notice bibliographique
Résumé
BACKGROUND: With early detection and improvements in systemic and local therapies, millions of people are surviving cancer, but for some at a high cost. In some cancer types, cardiovascular disease now competes with recurrent cancer as the cause of death. Traditional care models, in which the cardiologist or oncologist assess patients individually, do not address complex cancer and cardiovascular needs. Nursing disciplines should be an integral part of holistic assessment in cardio-oncology care. To learn what educational needs nurses perceive important for provision of competent cardio-oncology nursing care, we undertook an international survey, aiming to understand their learning needs and preferred learning modalities. METHODS: A cross-sectional survey was developed by members of the International Cardio-Oncology Society (IC-OS) Nursing Research group. The survey was in English and consisted of 23 questions which include demographic information, clinical specialty (oncology, cardiology, or cardio-oncology), multiple-choice questions related to clinical topics that nurses might be interested in learning, and preferred methods of instruction. RESULTS: Three hundred and twenty-nine responses were received. The majority expressed interest in learning more about cardio-oncology related topics, primarily via pre-recorded webinars (n = 206, 67%) and live virtual meetings (n = 192, 63%). Formal programs leading to certification were highly endorsed (n = 247, 80%). In relation to specific cardio-oncology topics, there was a strong interest in learning more about specific cardiovascular toxicities, and their monitoring and management (n = 205, 66%). CONCLUSION: Cardio-oncology is a new field of expertise requiring competent nurses with current knowledge incorporating both specialties. The survey we conducted described the sample's characteristics, identified cardio-oncology learning needs and preferred methods of delivery. A cardio-oncology core curriculum based on the survey responses can offer convenient, accessible and learner-directed education for nurses worldwide. Ultimately, development of cardio-oncology nursing expertise will benefit cancer patients and survivors worldwide.
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 | 0,003 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| 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 | 0,001 | 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 ».