Rehausser les compétences des infirmières en milieu rural : exploration de l’acceptabilité et de la faisabilité d’une intervention utilisant la réalité virtuelle immersive
Bibliographic record
Abstract
Introduction : Afin d’offrir des soins de qualité, les infirmières nouvellement diplômées (IND) doivent poursuivre leur développement de compétences cliniques dans les milieux de soins. Or, en milieu clinique rural, l’accessibilité à la formation continue offrant des occasions d’apprentissage dans l’action comporte des défis. La réalité virtuelle immersive (RVI) est une modalité de simulation nouvellement utilisée en santé, qui a le potentiel d’aider au développement des compétences d’infirmières en milieu clinique rural. \nObjectifs : Le but de ce projet est d’explorer l’acceptabilité et la faisabilité d’une intervention utilisant la RVI comme modalité de développement des compétences d’IND travaillant en milieu rural. \nMéthodologie : Pour ce faire, onze IND ayant de 0 à 2 ans d’expérience ainsi que deux de leurs gestionnaires d’un milieu hospitalier rural du Québec, ont été recrutées sur une base volontaire, pour participer à une étude pré-expérimentale post-test sans groupe témoin. Après avoir participé à une simulation utilisant la RVI, les IND ont complété des questionnaires auto-administrés au sujet de la préférence et de l’acceptabilité de l’intervention, ainsi que sur les cybermalaises. Des entrevues semi-dirigées individuelles d’une durée de 15 minutes ont aussi été réalisées auprès des IND et des gestionnaires après le déroulement des simulations. \nRésultats : L’intervention a été jugée acceptable selon les résultats des questionnaires et faisable selon les entrevues semi-dirigées. Les données issues des entretiens semi-dirigés démontrent que l’intervention a été reconnue comme étant pertinente et pour tous les milieux cliniques, ruraux ou non. Des suggestions quant à son implantation ont été nommées. La RVI permettrait aussi le développement de compétences variées et les défis étaient jugés surmontables. \nConclusion : Il serait pertinent d’utiliser la RVI pour une population d’IND en milieu rural vue son acceptabilité et sa faisabilité. Des études démontrant l’effet causal de la RVI sur le développement de compétences spécifiques, seraient justifiées. La RVI serait également pertinente pour le développement de compétences des infirmières en général, peu importe leur milieu clinique d’appartenance ou leur expérience. D’autres études seraient nécessaires pour démontrer son acceptabilité chez des populations et des milieux variés.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.009 | 0.011 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.001 | 0.000 |
| Science and technology studies | 0.002 | 0.006 |
| Scholarly communication | 0.004 | 0.002 |
| Open science | 0.002 | 0.006 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.011 | 0.001 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".