Exploration du sentiment d'auto-efficacité d'infirmières et d'infirmiers débutants aux soins intensifs à administrer des médicaments à alerte élevée
Notice bibliographique
Résumé
Dans les unités de soins intensifs, l’utilisation d’une grande variété de médicaments à alerte élevée et le contexte d’urgence prédisposent aux erreurs de médicaments (Camiré et al., 2009; Härkänen et al., 2016; Luokkamäki et al., 2021; Rothschild et al., 2005). Les infirmières et les infirmiers débutants doivent développer et mobiliser rapidement les connaissances et les compétences nécessaires à l’administration sécuritaire des médicaments à alerte élevée. Cette étude explore le sentiment d’auto-efficacité des infirmières et infirmiers débutants à administrer des médicaments à alerte élevée dans une unité de soins intensifs. Le modèle de la pratice readiness présenté par Mirza et al. (2019) a été utilisé comme cadre conceptuel, lequel considère l’auto-efficacité comme concept central afin d’exercer pleinement sa profession. Une approche qualitative de type exploratoire a été adoptée. Des entretiens semi-structurés d’environ 45 minutes ont été réalisés par l’étudiante-chercheuse. Au total, six infirmières et infirmiers de moins de deux ans d’expérience et travaillant à l’unité de soins intensifs d’un hôpital affilié universitaire à la région métropolitaine de Montréal ont participé à l’étude. Les verbatims ont été analysés par l’étudiante-chercheuse à l’aide de l’analyse thématique inductive de Nowell et al. (2017). Les résultats suggèrent que le sentiment d’auto-efficacité à administrer des médicaments à alerte élevée fluctue selon la nature des expériences cliniques vécues par les infirmières et infirmiers débutants aux soins intensifs, et il est modulé par l’appropriation du rôle infirmier, les caractéristiques individuelles et l’environnement de travail dans lequel ils évoluent. Afin d’optimiser le développement du sentiment d’auto-efficacité des infirmières et des infirmiers débutants lors de l’administration des médicaments à alerte élevée aux soins intensifs, une approche multidimensionnelle incluant plusieurs niveaux d’interventions sur les facteurs individuels et organisationnels qui influencent l’auto-efficacité est requise. Des recommandations sont proposées pour la pratique, pour la recherche, la formation et la gestion.
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 | 0,010 | 0,020 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,004 |
| Communication savante | 0,004 | 0,003 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».