Evaluating Nurses’ Preparedness in Managing Critical Incidences and Disaster Relief : A Survey in Quebec
Notice bibliographique
Résumé
BackgroundAlthough nurses play a major role in alleviating the burdens associated with critical incidents, little is known about nursing preparedness in these emergent situations. This study aims to evaluate the degree of preparedness and training of Canadian nurses in disasters and critical incidents. MethodsAn observational cross-sectional survey through self-administered web-based questionnaire was shared with nurses working in Emergency Departments, Adult/pediatric Intensive Care Units, and Cardiac Care Units at five hospitals affiliated with McGill University in Montreal (Quebec, Canada). General demographics, level of experience, critical-care training, and level of confidence in performing trauma-related activities were collected. The statistical significance level was set at p=0.05. ResultsIn total, 145 nurses completed the survey. Most nurses have not participated in a disaster management simulation (64.8%, n= 94). Moreover, almost only half of them knew what was their specific role in such a simulation (49.6% , n=72) and where to find their department’s code orange (external disaster) plan ( 44.8% , n=65). The vast majority of participants (78.6%, n=114) never participated in a real code orange scenario. On multiple logistic regression, having over 10 years of experience in critical care setting (OR 5.37, p <0.05) and having completed two (OR 3.75, p= 0.03) or three or more (OR 4.60, p = 0.03) courses in trauma/ critical care were significantly associated with a higher level of preparedness.ConclusionNurses are essential in optimal trauma care provision. This study shows a lack of nurses’ preparedness to deal with critical situations based on their self-assessment. The completion of a trauma course was noted to be essential for high level of preparedness
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 | 0,004 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».