Pengaruh Pelatihan Komunikasi terhadap Kompetensi Klinis Perawat dan Kepuasan Pasien di RS Pangkalpinang
Notice bibliographique
Résumé
This study aims to analyze the impact of communication training on nurses’ clinical competence and patient satisfaction at RS Pangkalpinang. Effective communication is a critical component in enhancing healthcare quality, particularly in nurse–patient interactions. A quantitative approach with a survey method was employed, involving 53 nurses who had completed structured communication training and 25 patients treated by those nurses. Data were analyzed using simple and multiple linear regression with SPSS version 26. The results showed a significant improvement in nurses’ clinical competence, with mean scores increasing from 72.4 (pre-test) to 85.7 (post-test), particularly in the domain of therapeutic communication. Patient satisfaction scores also increased from an average of 78.2 to 88.9 after the training intervention. Regression analysis revealed that communication training had a significant positive effect on nurses’ clinical competence (R² = 0.48; p < 0.001) and on patient satisfaction (R² = 0.41; p < 0.01). These findings suggest that structured communication training grounded in theoretical models such as Peplau’s Interpersonal Theory and the Calgary-Cambridge Guide can enhance professional competence and improve patient perceptions of care. The practical implication is that hospitals should integrate communication training into ongoing staff development programs and consider its replication in other healthcare settings to improve the overall quality of nursing services.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,000 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,019 | 0,004 |
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 ».