Ten things I wish I knew as a new peritoneal dialysis nurse
Notice bibliographique
Résumé
A nurse new to home peritoneal dialysis (PD) undoubtedly has to learn all the steps for continuous ambulatory peritoneal dialysis (CAPD) and automated peritoneal dialysis (APD) procedures, along with basics such as hand hygiene, ordering supplies, disposing of supplies, recognizing signs and symptoms of peritonitis. However, it is not always clear what else the new PD nurse needs to know in order to successfully teach a patient all that a patient (and care partner) starting home PD training need to know, as well as to support that patient overtime once the patient is performing PD at home. To answer this question, using a modified Delphi technique, members of the International Society for Peritoneal Dialysis (ISPD) Nursing and Allied Health Professional Committee identified the top 10 practice advice (tips) these nurse members thought all new home PD nurses should know and be aware of. For each tip, we justified the importance of the tip and how it could be implemented. The 10 tips were quite varied and highlighted both the breadth and the depth of knowledge a new PD nurse needs to acquire over and above basic knowledge and skills such as performing CAPD and APD and recognizing signs and symptoms of peritonitis. The members of the ISPD Nursing and Allied Health Professional Committee who compiled this list of the top 10 tips, believe that through understanding the importance, justification, and implementation of each of these tips, the nurse new to a home PD program can, in turn, appreciate more how to individualize home PD training sessions, improve the quality of life for patients on PD, as well as extend the patients' time on PD.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
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 ».