Mental health nurses’ attitudes, empathy and caring efficacy towards consumers with co-existing mental health and drug and alcohol problems : a mixed methods study
Notice bibliographique
Résumé
Background: Dual diagnosis is a significant cause of disability worldwide and accounts for 13% of the disease burden in Australia. In 2014-15, more than half of emergency hospital admissions in Australia were due to psychological and behavioural problems associated with illegal substance use. Mental health nurses play a critical role in caring for consumers with dual diagnosis. However, there is a shortage of evidence about mental health nurses’ attitudes, empathy, and caring efficacy towards these consumers. Materials and Methods: This concurrent mixed methods study examined mental health nurses’ attitudes, empathy, and caring efficacy towards consumers with dual diagnosis in Australian mental health settings. Data were collected between December 2019 and November 2020. A total of 103 mental health nurses completed the Comorbidity Problems Perceptions Questionnaire, 96 completed the Toronto Empathy Questionnaire, and 84 completed the Caring Efficacy Scale. Seventeen mental health nurses participated in semi-structured interviews. The data were analysed using regression, themes and joint displays. Results: Mental health nurses displayed a positive attitude (M = 83.97, SD = 28.49), empathy (M = 47.71, SD = 8.28) and caring efficacy (M = 145.70, SD = 19.92) towards consumers with dual diagnosis. Factors identified as contributing to a positive attitude were a high level of work experience (
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 | 0,020 | 0,020 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 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 ».