MétaCan
Menu
Retour à la cohorte
Enregistrement W4413971696 · doi:10.5737/23688076354533

Evaluating the effectiveness of an educational program on chemotherapy-induced peripheral neuropathy in enhancing competence among nurses in cancer care

2025· article· en· W4413971696 sur OpenAlexaffvenue
Roselyne Okumu, Eunice Omondi, Irene Mageto, Margaret I. Fitch, Erick Oweya

Notice bibliographique

RevueCanadian Oncology Nursing Journal · 2025
Typearticle
Langueen
DomaineMedicine
ThématiqueCancer Treatment and Pharmacology
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésCompetence (human resources)Chemotherapy-induced peripheral neuropathyPeripheral neuropathyMedicineChemotherapyOncologyMedical educationPsychologyNursingInternal medicine

Résumé

récupéré en direct d'OpenAlex

Introduction: Chemotherapy-Induced Peripheral Neuropathy (CIPN) is a significant side effect that profoundly affects patients' quality of life (QOL). Nurses play a critical role to enhance CIPN care through assessments, patient education and symptom management This study aimed to evaluate the effectiveness of an educational program on CIPN in improving the competency of nurses in managing CIPN at Kenyatta National Hospital (KNH) in Kenya. Methodology: Ethical approvals were obtained from the institutions' ethics and research committees. A pretest-posttest quasi-experimental design was utilized, involving 43 nurses at the Cancer Treatment Centre (CTC). Structured self-administered questionnaires were used for data collection in April 2023 (baseline) to February 2024 (6-month follow-up). A two-day training program was conducted in July/August 2023. Descriptive statistics and paired sample t-test were used for analysis. These findings yielded a comparison of an overall competency score with p < 0.005 as significant. Results: There were 43 participants, of which 67.4% were females, 62.8% held diplomas in nursing, 27.9% had a Bachelor of Science in Nursing (BScN) degree. More than half (58.1%) had 5 years or less of oncology experience, and 83.7% lacked formal oncology training. Awareness of risk factors for CIPN significantly improved after the educational program, with knowledge of older patient age rising from 67.4% to 97.4% (P = 0.0005) and recognition of a history of smoking increasing from 60.5% to 92.3% (P = 0.0003). Knowledge of specific chemotherapy agents associated with CIPN surged from 16.3% to 56.4% (P = 0.0006). For knowledge about symptoms, muscle weakness awareness improved from 62.8% to 94.9% (P = 0.0008). Regarding treatment awareness, knowledge of duloxetine's effectiveness increased from 60.5% to 100% (P = 0.0001). For nurses' practices, responses for screening at baseline of "Never" decreased from 9.3% to 0%, and "Frequently" increased from 4.7% to 69.2%. Overall, the mean score for frequency of CIPN screening rose from 4.1 (standard deviation [SD] = 2.0) to 6.8 (SD = 1.4) (P = 0.0000). Both the overall CIPN knowledge score (p < 0 .0001) and practice scores (p < 0.0001) increased significantly. The overall competency score rose from a mean of 32.5 (SD = 7.8) to 46.1 (SD = 5.6) (p < 0.0001). Conclusion and recommendation: CIPN education program was effective in improving competencies of nurses. There is need to establish a continuous medical education program on CIPN and chemotherapy effects and staff mentorship for better care. Additionally, the CIPN training needs to be integrated into the Ministry of Health's educational program.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,008
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,018

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,008
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0010,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,031
Tête enseignante GPT0,463
Écart entre enseignants0,432 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2025
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueCanadian Oncology Nursing JournalMême sujetCancer Treatment and PharmacologyTravaux en français237 207