Perception of Nurse Caring, Skills, and Knowledge Based on Appearance
Notice bibliographique
Résumé
OBJECTIVE: The objective of the study was to assess differences among perceptions of patients, nurses, nursing faculty, and nursing students regarding nurse caring, skill, and knowledge based on attire and level of visible body art. BACKGROUND: People often make judgments (positive and negative) based on how a person appears. Given somewhat more flexible dress codes for nurses, we wondered what type of perceptions a variety of stakeholders would have of nurses in different levels of attire. METHOD: A descriptive comparative design was used. A convenience sample of 240 patients, nurses, students, and faculty were surveyed regarding their perceptions of a nurse based on appearance. Multivariate analyses of variance were calculated to determine if participants' perception of nurse caring, skill, and knowledge differed by scrub type or level of body art. RESULTS: For the entire sample, the nurse wearing the solid scrub was rated significantly more skilled and knowledgeable than a nurse wearing print or T-shirt attire. Students rated the nurse wearing the solid scrub and print scrub significantly more skilled and knowledgeable. They rated the print scrub higher, with faculty rating it lower. Nurses rated the T-shirt attire more caring than faculty. Patients rated the T-shirt attire more skilled than faculty and students. All subjects rated the nurse with the most body art (piercings and visible tattoo) the least caring, skilled, and knowledgeable. Nurses rated the most amount of body art more caring than patients and faculty. Students rated the most amount of body art more caring than patients and faculty. CONCLUSION: The conflict between the right to self-expression and professional role expectations during nurse and patient interactions is a difficult one. However, because a nurse's appearance can impact perceptions during an encounter, dress codes in the acute care setting should take this into account. To be perceived as skilled and knowledgeable, nurses should wear a solid colored uniform with limited visible body art.
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 | 0,002 | 0,012 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 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 ».