Characterizing violence in health care in British Columbia
Notice bibliographique
Résumé
BACKGROUND: The high rate of violence in the healthcare sector supports the need for greater surveillance efforts. AIM: The purpose of this study was to use a province-wide workplace incident reporting system to calculate rates and identify risk factors for violence in the British Columbia healthcare industry by occupational groups, including nursing. METHODS: Data were extracted for a 1-year period (2004-2005) from the Workplace Health Indicator Tracking and Evaluation database for all employee reports of violence incidents for four of the six British Columbia health authorities. Risk factors for violence were identified through comparisons of incident rates (number of incidents/100,000 worked hours) by work characteristics, including nursing occupations and work units, and by regression models adjusted for demographic factors. RESULTS: Across health authorities, three groups at particularly high risk for violence were identified: very small healthcare facilities [rate ratios (RR) = 6.58, 95% CI =3.49, 12.41], the care aide occupation (RR = 10.05, 95% CI = 6.72, 15.05), and paediatric departments in acute care hospitals (RR = 2.22, 95% CI = 1.05, 4.67). CONCLUSIONS: The three high-risk groups warrant targeted prevention or intervention efforts be implemented. The identification of high-risk groups supports the importance of a province-wide surveillance system for public health planning.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».