MétaCan
Menu
Retour à la cohorte
Enregistrement W4406854097 · doi:10.1097/nne.0000000000001817

Evaluating New Graduate Nurse Readiness for Practice

2025· article· en· W4406854097 sur OpenAlexaff
Bryce Catarelli, Lara Thompson, Xiaoxi Zhang, Michael Weaver

Notice bibliographique

RevueNurse Educator · 2025
Typearticle
Langueen
DomaineNursing
ThématiqueNursing education and management
Établissements canadiensInstitute for Clinical Evaluative Sciences
Organismes subventionnairesnon disponible
Mots-clésNursingWorkforceFeelingCurriculumDelegationMedicineMedical educationPsychologyPedagogy

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: New graduate nurses (NGNs) often feel unprepared to enter the nursing workforce. Nurse educators can collaborate with clinical partners to identify gaps in practice readiness to meet the current needs of novice nurses and improve their preparation for practice. PURPOSE: To evaluate perceived practice readiness among NGNs on hire and to identify areas for potential improvement in the nursing curriculum. METHODS: A retrospective cross-sectional study was conducted on NGN readiness using Casey-Fink Graduate Nurse Experience Surveys. Data from 273 NGNs hired between 2021 and 2023 within 1 large nonprofit academic hospital were analyzed. RESULTS: Over 75% of NGNs reported feeling comfortable/confident with communication, delegation, and organizing/prioritizing patient care needs. The primary challenges highlighted included lack of confidence and providing end-of-life care. NGNs often feel uncomfortable independently managing codes, ventilators, and chest tubes. CONCLUSION: Nurse educators should prioritize clinical experiences to increase confidence and reinforce training for providing end-of-life care and complex hands-on skills.

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)0,002
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Autre · Signal consensuel: aucune
Score de désaccord entre enseignants0,516
Score d'incertitude au seuil0,959

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
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 Opus0,093
Tête enseignante GPT0,477
Écart entre enseignants0,384 · 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'étudeSans objet
Domainenon disponible
GenreAutre

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueNurse EducatorMême sujetNursing education and managementTravaux en français237 207