MétaCan
Menu
Retour à la cohorte
Enregistrement W599906425 · doi:10.1515/ijnes-2014-0070

The Experience of Nursing Students Who Make Mistakes in Clinical

2015· article· en· W599906425 sur OpenAlexaff
Mark Pijl Zieber, Beverley Williams

Notice bibliographique

RevueInternational Journal of Nursing Education Scholarship · 2015
Typearticle
Langueen
DomaineHealth Professions
ThématiquePatient Safety and Medication Errors
Établissements canadiensUniversity of AlbertaUniversity of Lethbridge
Organismes subventionnairesnon disponible
Mots-clésMistakeFeelingProcess (computing)NursingNurse educationPsychologyClinical PracticeMedical educationNursing practiceGrounded theoryMedicineQualitative researchSocial psychologySociologyComputer science

Résumé

récupéré en direct d'OpenAlex

The experience of nursing students who make mistakes during clinical practice is poorly understood. The literature identifies clinical practice mistakes as a significant issue in nursing practice and education but there is very little research on the topic. This study used a grounded theory approach to explore the experience of undergraduate nursing students who had made at least one mistake in their clinical practice. What emerged is a theory that illuminates the process of how students move through the positive and negative elements of the mistake experience the core variable that emerged from the study was "living through the mistake experience." The mistake experience was clearly a traumatic process for nursing students and students reported feeling unprepared and lacking the capability to manage the mistake experience. A number of recommendations for nursing education are proposed.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,004
score de la tête « metaresearch » (Gemma)0,005
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,114
Score d'incertitude au seuil0,658

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0040,005
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,400
Tête enseignante GPT0,634
Écart entre enseignants0,234 · 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 tête enseignante, 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

Citations25
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Nursing Education ScholarshipMême sujetPatient Safety and Medication ErrorsTravaux en français237 207