若手在宅医療看護師のための教育支援評価尺度の開発と心理測定的検証 BMC医学教育

デフォルトのコンポーネント

ESA-NHHN の仮説コンポーネントは、コルブの経験学習理論への参照を含む、文献の包括的なレビューから開発されました。 この理論では、学習を「経験の変換を通じて知識が創造されるプロセスである。知識は、経験の同化と変換の組み合わせから生じる」と定義しています。 [13]。 この理論は、経験を理解する弁証法的に関連する 2 つのモード、具体的な経験と抽象的な知覚、および経験の変換の弁証法的に関連する 2 つのモード、反省的観察と能動的な実験を想定しています。 [14]。 在宅医療の初任者は、病院などの医療機関での勤務経験を通じて培った看護観をもとに、OJTなどを通じて独自の看護観を確立し、在宅医療の環境に適応してきました。 学習を改善するには、最適な学習を促進するプロセスに生徒を参加させることに重点を置く必要があります。 これには、生徒の学習努力の効果に関するフィードバックの提供が含まれます。 [15]。 仮説の構成要素は、「新たな知識の獲得」、「具体的な経験」、「自身の経験の省察」、「在宅医療機関の管理者からの支援」の4つの構成要素で構成されています（図1）。

ジュニア在宅医療看護師のための教育サポート評価尺度 (ESA-NHHN) のデフォルトのコンポーネント

初期アイテムの開発

文献の包括的なレビューに基づいて 41 個のプライマーが生成されました。 プライマーの開発に使用された文献は、同じ検索式を使用して 2 人のレビュー担当者によって別々に抽出され、再現性を確保するために結合されました (追加ファイル 1)。 このレビューには、在宅医療会社が提供する教育支援のうち、新しい在宅医療会社を立ち上げる際に在宅医療看護師が肯定的に受け取ったものを判断するために、筆頭著者が実施した個別の半構造化面接が含まれている。 [16]。 インタビューから 14 のサブカテゴリーが推定されました。

内容の妥当性を評価し、初期項目を見直します

在宅医療現場での経験を持ち、修士号または博士号を取得した臨床専門家5名。 看護学士は専門委員会として主要項目を評価するよう依頼されました。 彼らは、不明瞭な点、修正が必要な点、または研究目的と矛盾する主な項目を特定するよう求められました。 また、一般的なコメントや懸念事項を記入し、4 段階評価 (1=不適切な項目、2=やや関連する項目、3=ほぼ関連する項目、4=適切な項目) で各項目を評価するよう求められました。 コンテンツ有効性インデックス (CVI) は、Lynn によって定義された CVI アプローチを使用して評価スコアを決定するために計算されました。 [17] そしてPolitらによって拡張されました。 [18]。 0.78 未満のスコアは、修正、削除、または置換によって再検討する必要があります。 [18]。 2 つの項目は、CVI が 0.78 未満だったため省略されました。 さらに、在宅医療機関の経験豊富なディレクターに 90 分間のインタビューを実施し、内容の妥当性を高めるための生の要素について意見を求めました。

当社の 5 人の臨床専門家は在宅医療現場での勤務経験がありますが、現在教育または研究の職にある人も加えたいと考えました。 そこで、在宅医療機関で管理経験があり、在宅医療委員会の代表でもある臨床看護師にアドバイスを求めました。 したがって、項目が 2 つ追加されます。 これにより、41 個の ESA-NHHN 元素が特定されました。

研究デザイン

この研究では断面設計を使用しました。

参加者と取り組み

合計627人の在宅医療看護師がこの研究に参加した。 若手在宅医療看護師は、初めて在宅医療の現場で働き、過去に病院や他の医療機関で働いた経験のある看護師と定義されました。 対象基準は、在宅医療機関で 6 か月以上 3 年未満雇用された在宅医療看護師でした。 他の在宅医療機関で働いていた看護師、または病院や他の医療機関で働いていない新卒看護師は除外されました。 最初の調査項目の回答については、経験年数が1年未満の場合は付き合い始めた頃のことを、経験年数が1年以上の場合は1年目の経験を思い出すようにしました。 したがって、結果には1年の差があります。 想起バイアスを回避するために、在宅医療の看護経験の最長年数は 3 年未満に設定されました。

参加者は、入社1年目に現在勤務している在宅医療機関から受けた教育支援を思い出しながらアンケートに回答した。 在宅医療看護師は、全国訪問看護サービス協会の公開データベースを利用して正会員として募集された。 国内のすべての在宅医療機関に同等の重みが与えられ、2,700 の機関が無作為に選択されました。 それぞれに 3 つのアンケートが送信されました。 検査と再検査の信頼性を確認するために、さらに 300 の在宅医療機関に、2 ～ 3 週間後に同じアンケートへの回答を求める添え状が送付されました。 探索因子分析 (EFA) には、アイテム数の 5 ～ 10 倍のサンプル サイズが必要です [19]。 イニシャルが 41 件あったため、EFA に必要なサンプル数は 410 に設定され、応答率は 5% と推定されました。 このため、アンケートの配布数は 9,000 件としたが、日本の在宅医療機関への調査では回答率が低くなる傾向にあるため、因子分析に十分なサンプル数を確保するにはこのくらいの数が適当であると判断した。 [20]。 2022 年 4 月から 6 月までに収集されたデータ。

測定値

アンケートには ESA-NHHN が含まれており、同時妥当性をチェックするために心理測定変数が測定されました。 年齢、性別、勤務状況、臨床看護師としての勤務期間、在宅医療看護師としての勤務期間、介護が必要な者の家族構成、未成年の子供の有無などの人口統計学的変数が収集された。

ESA-NHHN

ESA-NHHNには「同僚とのディスカッションを通じて老人ホーム訪問について振り返る機会がある」など41項目が盛り込まれた。 各項目は 5 段階のリッカート スケールで評価されました (1 =強く同意しない、5 =強く同意します）、スコアが高いほど、在宅医療機関による初級レベルの在宅医療看護師に対する教育支援が充実していることを示します。

同時有効性チェックのための外部標準

ESA-NHHN は、看護師の定着率を高めることを期待して開発されました。 したがって、ESA-NHHNと、感情的コミットメント、仕事への関与、在宅医療看護師の仕事満足度、および外部基準としての在宅医療機関への満足度などの心理的変数との関係を調べることにより、同時妥当性を確認しました。 ESA-NHHN には初級在宅医療看護師が就職時に受けるべき教育支援に関する項目が含まれているため、ESA-NHHN と外部基準との間に理論的な関係があることが予想されます。 適切な教育的サポートの申し出を受けると、組織への帰属意識など、看護師の感情的な関与が強化されます。 [21]; さらに、十分な仕事の満足感が組織内での雇用維持を促進します。 [22]。 仕事への取り組みとは、エネルギーに満ち、献身的で、理解を示す、前向きで充実した仕事関連の精神状態として定義されます。 [23]。 これらの理論から、有意な正の相関が期待されます。 これらの実績をもとに外部標準として採用し、適合性を確認しました。

影響力のあるコミットメント

感情的なコミットメントは、効果的な組織的コミットメント尺度を使用して評価されました [24]、これには 3 つのコンポーネントが含まれています。 項目は 5 段階のリッカート スケール (1 =いいえ、2 =おそらくそうではありません、3 =いいえ、4 =おそらくそうです、5 =はい）ここで、スコアが高いほど、看護師の組織に対する感情的な関与を示します。

ワークエンゲージメント

労働参加は、信頼性が高く有効な尺度であるユトレヒト労働参加尺度の日本語版を使用して評価されました。 [25]。 項目は 7 段階のリッカート スケールで評価されました (0 =一度もない、6 =いつも)、スコアが高いほど、仕事への取り組みが高いことを示します。

在宅医療看護師の仕事の満足度

在宅医療看護師の仕事満足度は、森らによって開発された在宅医療看護師仕事満足度尺度（HHNJS-J）の日本語版を使用して測定されました。 [16]、エレンベッカーらによって開発されたオリジナルのスケールに基づいています。 [26]。 アンケートには 7 つの下位尺度を表す 26 項目が含まれていました。 「患者は私が提供するケアに満足している」などの項目は、5 段階のリッカート尺度 (=1) で評価されました。強く同意しない、5 =強く同意します）、スコアが高いほど仕事の満足度が高いことを示します。 HHNJS-Jの信頼性と妥当性が確認されています [27]。

在宅医療機関への満足度

この研究のために、2 つの本物の要素が作成されました。「この在宅医療機関で在宅医療に適応するための教育的サポートを受けてきたと感じます」と「この医療機関の所長は優れたマネージャーおよびリーダーであると感じます」です。 それらは、7 ポイントのリッカート スケール (1 =強く同意しない、7 =強く同意します）、スコアが高いほど満足度が高いことを示します。

データ分析

参加者の社会人口学的特徴について記述統計が計算されました。

ESA-NHHN の場合、天井効果 (平均 + SD > 5)、下限効果 (平均 − SD < 1)、グループ化されたアイテムの合計相関係数 (r < 0.3)、および商品をチェックすることで、アイテム分析が確認されました。 - 項目ごとに不良分析（GP）を算出 [28, 29]。 クロンバックのアルファは、内部一貫性を評価するために、合計スケール スコアおよび 4 つのサブスケールの ESA-NHHN に対して計算されました。 0.70 以上のアルファ係数は満足のいくものであるとみなされます。 テストと再テストの信頼性を調べるために、4 つのサブスケールと全体のスケール スコアにおける ESA-NHHN の学年内相関係数 (ICC) を使用しました。 0.70 を超える ICC は満足できるものとみなされます。 [30]。

構造の生存性をチェックするためにEFAを実行しました。 サンプリングの適切性に関する Kaiser-Meyer-Olkin (KMO) 指数と球形性に関する Bartlett のカイ二乗検定 (p < 0.05) を使用して、EFA へのデータの適合を確認しました。 KMO は基準の適切性と比較されました (0.80 < メリット) [31]。 因子が相互に関連しているという仮定により、Promax 回転を使用した最尤法を使用して因子を抽出しました。 因子の数はプロットに基づいて決定されました。

確認因子分析 (CFA) を実行して、EFA から抽出されたサブバンド構造をテストしました。 モデルの適合度は、適合度指数 (GFI)、比較適合指数 (CFI)、タッカー・ルイス指数 (TLI)、近似二乗平均平方根誤差 (RMSEA) などの一連の指数を使用して評価されました。 ）。 最初の 2 つの指標については、0.90 を超える値が十分であると考えられました。 [32, 33]RMSEA インデックスの場合、0.05 ～ 0.08 の値が妥当な適合を示しました。 [34, 35]。

予測の妥当性を評価するために、制御変数として年齢を用いた偏相関係数を、全体スコアとESA-NHHNの4つの下位尺度、在宅医療看護師の仕事満足度、およびその他の心理学的変数との間で調べた。 偏相関は弱いと評価されました (<0.40) ، أو معتدلة (0.40 إلى 0.70) ، أو قوية (> 0.70) [36]。

CFA を除くすべての統計分析は、Windows 用 SPSS 26 (IBM Corp.、米国ニューヨーク州アーモンク) を使用して実行されました。 CFA は、Windows 用 AMOS バージョン 26 (IBM SPSS Statistics Program、米国イリノイ州シカゴ) を使用して実行されました。 統計的有意性は p < 0.05 に設定されました。