Registered Nurse Prescribing in Ontario: Learners’ Perspective
Notice bibliographique
Résumé
Background: In response to evolving health care demands and the increasing need for accessible patient care, eight Canadian provinces have expanded the scope of practice for registered nurses (RNs) to prescribe medications. Ontario is the latest province to approve RN prescribing. RNs with prescribing authority in Ontario can prescribe specific medications approved by the Ministry of Health and Long-Term Care and authorized by the College of Nurses of Ontario (CNO). RNs must complete one of the four available CNO Council–approved RN prescribing education programs to become an authorized prescriber in Ontario. As RN prescribing is new to Ontario, it is essential to assess the effectiveness of the educational programs preparing nurses for this new role. Purpose: A quality improvement project (QIP) was conducted to gain learners’ perspectives on one of Ontario’s CNO-approved RN Prescribing programs. Methods: This QIP focused on learners enrolled through the University Consortium RN Prescribing Program. Pre- and post-course surveys were administered via Qualtrics XM. Data collected included demographic information, motivation for enrolling in the program, employment plans related to the expanded scope of practice, familiarity with the new CNO Practice Standards, and confidence in prescribing safely. Pre- and post-course survey composite scores were computed to reflect participants’ overall familiarity with the RN prescribers’ scope of practice and their confidence in their ability to prescribe safely within the scope of practice. We conducted Mann-Whitney U non-parametric tests were conducted to determine any statistical difference between the median of the pre- and post-course composite scores (familiarity scores and confidence level). Results: A total of 194 pre-course and 136 post-course anonymous survey questionnaires were completed through Qualtrics XM. The baseline demographic characteristics were similar in pre- and post-course groups. Top motivators for taking the course were career advancement and personal goals. The median familiarity score for pre-course (2.50) and post-course (3.0) surveys was statistically significant (U = 4141.5, z = –10.93, p < 0.001). The median confidence score for pre-course (80.5) and post-course (85.0) surveys was not statistically significant (U = 11629, z = –1.843, p = –0.065). Conclusion: Upon completion of the course, learners in the University Consortium’s inaugural RN prescribing program reported increased familiarity with the scope of practice and confidence in their ability to prescribe safely. Introducing safe registered RN prescribing in Ontario can significantly advance health care by optimizing resource use, improving access to care, and enhancing patient-centred care.
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 | 0,003 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,006 | 0,002 |
| Communication savante | 0,003 | 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) | 0,004 | 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 ».