Exploring Haemodialysis Nurses' Perceptions on Kidney Replacement Therapy Modality Education: A Framework Analysis
Notice bibliographique
Résumé
BACKGROUND: Many people with kidney failure start and remain on in-centre haemodialysis treatment despite evidence of improved outcomes with home dialysis. To make an informed modality decision patients must receive frequent, high-quality modality education. This education is inconsistent in the in-centre haemodialysis setting, where patients spend the most time with nurses while receiving haemodialysis treatments. OBJECTIVES: The aim of this study was to examine in-centre haemodialysis nurses' perceptions around modality education for patients receiving in-centre haemodialysis using the COM-B model of behaviour change. DESIGN: We used framework analysis as a research method, applying the COM-B model as a theoretical framework to understand nurses' perceptions of modality education. PARTICIPANTS: We interviewed 13 in-centre haemodialysis nurses in a single province in Canada. APPROACH: We completed semi-structured interviews via Zoom, which ranged from 30 to 60 min. FINDINGS: Participants reported knowledge deficits, lack of experience or exposure to other dialysis modalities, and lack of resources to support modality education practices. In-centre haemodialysis nurses reported some factors that enhanced modality education, including strong nurse-patient therapeutic relationships and previous experience in other dialysis modalities. CONCLUSIONS: Nurses could have a role in modality education but had different views on what this role should be. Nurses faced barriers in modality education such as knowledge deficits, a lack of experience with home modalities, and limited patient teaching resources. Factors that favoured modality education were strong nurse-patient relationships and previous experience with other modalities.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| 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 | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».