MétaCan
Menu
← Retour à la cohorte
Enregistrement W7028535726

Factors Influencing Nurse Practitioners’ Influenza Vaccine Recommendations: An Explanatory Sequential Study

2025· article· en· W7028535726 sur OpenAlexaboutno aff

Notice bibliographique

RevueScholarship at UWindsor (University of Windsor) · 2025
Typearticle
Langueen
DomaineMedicine
ThématiqueInfluenza Virus Research Studies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésPopulationInfluenza vaccineTyphoid vaccineQuality (philosophy)Vaccination
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Background. Nurse practitioners (NPs) represent a population of primary care providers who routinely recommend and administer influenza vaccines. However, scholarly literature defining NPs’ influenza vaccine recommendation practices was found to be lacking, and little is known about the nature of NPs’ influenza vaccine communications with patients or provider-related characteristics that may affect their recommendations. Purpose. The purpose of this research study was to define and characterize the influenza vaccine recommendation practices of primary care NPs in Ontario and to identify provider-specific factors that affect the quality of NPs’ influenza vaccine recommendations. Methodology. An explanatory sequential mixed-methods study was undertaken. Sample and Setting. The quantitative-phase sample consisted of 92 primary care NPs working in the province of Ontario, Canada. Thirteen NPs who completed the survey participated in follow-up interviews. Results. A majority of survey participants (68.5%, n = 63) reported that they “always” recommend the influenza vaccine during influenza season, and half (50.0%, n = 46) reported that they “strongly” recommend influenza vaccination. Nearly four out of five NPs (79.3%, n = 73) use a conversational approach to recommendation. Three quarters of participants (75.0%, n = 69) recommend urgent, same-day influenza vaccination. When patients refuse an initial influenza vaccine recommendation, most NPs (65.2%, n = 60) indicated that they soften their recommendation, and nearly half of NPs (46.7%, n = 43) reported that they are “somewhat likely” to recommend the influenza vaccine again at future appointments with those patients. In multivariate analysis, NPs who had higher personal vaccine uptake, demonstrated increased confidence in their recommendations, had more clinical experience, managed higher patient loads, and practiced in rural settings were more likely to employ high-quality influenza vaccine recommendation strategies. Analysis of participant interviews further indicated that the sum of NPs’ experiences with influenza/influenza vaccination was the most important factor influencing their vaccine recommendations. Conclusion. The findings can help healthcare leaders and NP educators support NPs in delivering high-quality influenza vaccine recommendations. For example, healthcare leaders should strongly promote influenza vaccine uptake among NPs and advocate for timely access to vaccines each fall. NPs may also benefit from vaccination communication training during their initial NP education and through ongoing professional development activities. Through these means, NPs can strive for high influenza vaccination uptake rates and promote the health of their patient populations throughout future influenza seasons.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,007
score de la tête « metaresearch » (Gemma)0,029
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,063
Score d'incertitude au seuil0,124

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0070,029
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,002
Études des sciences et des technologies0,0020,001
Communication savante0,0010,002
Science ouverte0,0010,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0060,000

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 Opus0,115
Tête enseignante GPT0,385
Écart entre enseignants0,269 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeQualitatif
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

Citations0
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueScholarship at UWindsor (University of Windsor)→Même sujetInfluenza Virus Research Studies→Travaux en français237 207→