Perceptions and Intentions of Nursing Students Regarding Digital Health: A Cross-sectional Study (Preprint)
Notice bibliographique
Résumé
BACKGROUND The integration of digital health technologies (DHTs) in clinical practice is accelerating, creating a need for nursing students to develop digital competencies aligned with professional expectations. In Quebec, curricular reforms aim to enhance digital health literacy, but limited data exist on students' preparedness. OBJECTIVE To assess nursing students’ perceptions, self-reported competencies, and willingness to engage with DHTs across different academic years. METHODS A cross-sectional descriptive survey assessing self-reported digital health competencies, attitudes, perceived training coverage, and intentions was conducted using an online questionnaire administered through Qualtrics. Participants (N=136) were recruited from three cohorts: first-year (G1, n=58), second-year (G2, n=55), and third-year (G3, n=23) nursing students. Data were analyzed using descriptive statistics and ANOVA tests with post-hoc analyses performed via IBM SPSS (version 28). RESULTS Significant differences were observed among cohorts concerning digital competencies and access to digital tools. Compared to first-year students (G1), third-year students (G3) showed higher proficiency with electronic medical records (G3: M = 3.29, SD = 1.31 vs. G1: M = 2.59, SD = 1.32, p = 0.011), virtual reality (G3: M = 4.53, SD = 1.11 vs. G1: M = 2.90, SD = 1.44, p < 0.001), and clinical databases (G3: M = 4.59, SD = 1.00 vs. G1: M = 3.21, SD = 1.55, p < 0.001). Despite positive attitudes toward digital health technologies across all groups, the coverage of digital health training within curricula was consistently perceived as insufficient (mean=2.97/5). This underscored a substantial gap between institutional expectations and actual digital training across all cohorts. CONCLUSIONS This study highlights critical gaps in digital health training among nursing students, emphasizing the need for targeted curricular reforms, such as the one currently underway at the University of Montreal. These efforts represent a promising opportunity to better align educational content with the evolving demands of healthcare systems. Today, preparing students in digital competencies is no longer just advantageous but may soon become essential for the next generation of nurses to navigate and lead within technology-driven care environments.
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 | 0,002 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 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 ».