Effect of an active teaching method on writing drug prescriptions applied to nursing students: a quasi-experimental study
Notice bibliographique
Résumé
BACKGROUND: In Brazil, as well as in several other countries, e.g. United Kingdom, Ireland, Netherlands, Australia, Canada and New Zealand, nurses are legally authorised to prescribe medications, yet this practice remains under-explored in Primary Health Care. Active teaching methods can be employed to enhance drug prescriptions writing skills in undergraduate Nursing Education. AIM: The aim of this study was to evaluate the effectiveness of an active teaching method and the situational motivation for learning drug prescriptions writing in Primary Health Care, applied to Brazilian undergraduate Nursing students. METHODS: A quasi-experimental study with a single-group pretest/posttest design was conducted from September to November 2024. The study was conducted in the Nursing Department of a Brazilian public university with a convenience sample of 54 undergraduate Nursing students. The intervention followed the "Good Drug Prescriptions Writing Practices Teaching Method", by which students produced drug prescriptions, and their quality was assessed. Situational motivation for learning was also evaluated. RESULTS: The intervention significantly improved the quality of drug prescriptions (p < 0.001), with immediate post-training effects sustained over time, indicating durability. For situational motivation, the intervention had a positive (p = 0.029) - though nonuniform - impact on overall motivation (p < 0.001). CONCLUSIONS: Implementing this intervention in Nursing Education fostered competency in drug prescriptions writing, directly contributing to strengthening public health and the consolidation of safe, evidence-based practices in healthcare systems. TRIAL REGISTRATION: The study was registered in the Brazilian Registry of Clinical Trials (ReBEC) in the https://ensaiosclinicos.gov.br/rg/RBR-5mwfczh under ID code (RBR-5mwfczh) aproved in 11 november of 2024, retrospectively registered.
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 | 0,006 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».