Exploration of student nurses’ perceptions towards individuals with opioid use disorders in Scotland: A mixed method investigation
Notice bibliographique
Résumé
Introduction: Worldwide, an opioid epidemic continues to escalate. While the scientific community has recognized substance use disorders as a biophysiological disease, society continues to view addiction as a social problem and not a medical one. Individuals with opioid use disorders have been stigmatized and negatively characterized as morally weak and defective. Previous studies reveal that these negative attitudes often prevail among nurses and that nurses report dissatisfaction and a lack of education preparation to care for this increasing worldwide population. While studies have been conducted in countries with high incidences of opioid deaths, Scotland, a country faced with significantly high opioid related deaths, has not investigated student nurses’ perceptions of individuals with opioid use disorders. Purpose and Design: This mixed-method explanatory sequential investigation sought to explore pre-registration nursing students’ knowledge, attitudes and stigma towards individuals with opioid use disorders in Scotland. The objectives of this study were to measure pre-registration nursing students’ knowledge, attitudes, and stigma towards individuals with opioid use disorders and explore relationships among any variables. Results/Conclusion: Study participants demonstrated the need for increased knowledge, and improved attitudes towards individuals with opioid use disorders. While stigma was evident, the qualitative findings showcased that participants were empathic, compassionate, non-judgmental and willing to care for individuals with opioid use disorders. Further inquiry should explore the role of empathy-based training and experience with individuals with opioid use disorders to reduce mortality and morbidity in this escalating population 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 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 | 0,009 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| 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 ».