Geriatric nursing competence and training needs among dermatology nurses: A cross-sectional study
Notice bibliographique
Résumé
Objective: To investigate the current status of geriatric nursing competence among dermatology nurses and analyze its potential related factors. Methods: A cross-sectional quantitative study was conducted with 550 dermatology nurses from 20 medical institutions in China. Data were collected using a questionnaire containing sociodemographic variables and the Geriatric Nursing Competency Assessment Scale for Clinical Nurses, which includes primary, secondary, and tertiary dimensions. Multivariate linear regression was used for analysis. Results: The overall mean score for geriatric nursing competence among dermatology nurses was 2.36 ± 0.90. Among the three primary dimensions, “professional competence” received the highest score (2.46 ± 0.89). Of the ten secondary dimensions, “critical thinking” achieved the highest score (2.48 ± 0.96), while “research and innovation” received the lowest score (2.15 ± 1.05). Experience in caring for elderly patients, the duration of geriatric nursing training, and the presence of patients aged ± 60 years were the main factors related to geriatric nursing competence. The level of the healthcare institution, educational background, work experience, and the degree of specialization in geriatric nursing training were statistically significant factors influencing dermatology nurses' competence. Conclusions: The geriatric nursing competence of dermatology nurses is moderate. There is an urgent need to strengthen research development and promote professional growth.
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 | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| 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 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 ».