A randomized controlled study to enhance nurses' pain management self-efficacy and knowledge through educational interventions
Notice bibliographique
Résumé
Purpose: Nurses’ understanding of pain, commitment to education, and positive attitude are vital for providing high-quality pain care. The goal of this study was to find out how a pain management educational program (PMEP) influenced nurses' self-efficacy, knowledge, and attitudes toward pain care. Methods: A randomized experimental study design was utilized. The study was conducted in a governmental hospital in United Arab Emirates, with a total sample of 143 nurses (75 in the interventional group and 68 in the control). The interventional group received six-hours PMEP. Both groups completed questionnaires at baseline (T1), immediately after the program (T2), and at one month (T3). Results: In comparison to T1 (59.31%), the interventional group's Knowledge and Attitude Survey Regarding Pain (KASRP) scores increased significantly to 82.12% and 77.24% at T2 and T3, respectively. However, the control group exhibited no significant changes. From T1 (M = 2.93 ± 1.27) to T2 (M = 4.27 ± 0.68) and T3 (M = 4.21 ± 0.70), the overall scores of Pain Management Self-Efficacy Questionnaire (PMSEQ) rose notably among interventional group. With no significant increase in the PMSEQ scores of control group at T2 and T3. Positive correlations between KASRP and overall PMSEQ scores were observed in the interventional group at T1 and T2 (p < .05) but not at T3 (p = .120), whereas the control group showed significant correlations at all-time points (p < .001). Conclusions: The PMEP significantly enhanced nurses’ knowledge, attitudes, and self-efficacy in pain management. These improvements were sustained for one month post-PMEP, with positive correlations observed over time between KASRP and overall PMSEQ scores in both groups. Incorporating well-structured PMEP into nursing curricula is highly recommended. Further prospective research is recommended to support these findings.
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 | 0,004 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,002 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,003 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,010 | 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 ».