Perioperative nurses' perceptions of competence: implications for migration.
Notice bibliographique
Résumé
BACKGROUND: Nurses' recognition of their own level of skills and abilities (ie perceived competence) is a prerequisite for ensuring they can practice in a safe manner. The demand for competence, in the operating room, may vary between clinical environments. It is, however, unclear what competency levels migrating nurses need in order to be deemed safe. AIM: This paper describes Canadian and Australian nurses' levels of perceived perioperative competence and discusses these results in the context of nurse migration. METHOD: A survey was distributed to operating room nurses in six hospital sites (three in Canada and three in Australia). Perioperative competence was measured with a 40-item self-report survey which consisted of six domain subscales: foundational knowledge and skills; leadership; collaboration; proficiency; empathy; and professional development. Non-parametric tests were used to describe differences between groups based on country of origin, years of experience and specialty qualifications. RESULTS: Canadian and Australian nurses reported their overall competency levels as high across all domains. Significant differences were found, between countries, in three of the six competency domains; foundational knowledge and skills (p < .001), collegiality (p = .023), and empathy (p < .0001). CONCLUSIONS: Describing perioperative competence cross-nationally represents the first step in generating international dialogue around educational preparation for migrating nurses. The increasing global mobility of nurses makes it imperative to further standardise, with an international perspective, knowledge and practice expectations in perioperative settings.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».