Percepciones de enfermeras de quirófano sobre los efectos del abuso cometido por médicos
Notice bibliographique
Résumé
Antecedentes: Las enfemeras de quirofano (EQ) sufren abuso cometido por medicos; sin embargo, se han llevado a cabo pocas investigaciones para examinar las percepciones de las enfermeras sobre los efectos de tal abuso. Objetivos: El objetivo de esta investigacion fue comprender las percepciones de las particpantes sobre el abuso cometido por medicos en su salud y en su capacidad para prestar atencion al paciente. Materiales/Metodos: En este estudio cualitativo descriptivo, 10 enfermeras de quirofano que trabajan en el este de Canada participaron en entrevistas individuales abiertas y grabadas en audio, que fueron transcritas para el analisis utilizando el metodo Boyatzis para el desarrollo del codigo. Resultados: Se desarrollaron tres categorias de factores que contribuyen al abuso. La primera, la cultura de quirofano, que incluia el entorno y la jerarquia. La segunda, catalizadores de abusos, que incluian los puestos y experiencias de las enfermeras asi como factores ajenos a la enfermera, como los recursos y las relaciones interpersonales entre medicos. La tercera categoria, los efectos percibidos, incluidas las consecuencias para la salud psicologica, fisica y social de las enfermeras. Los efectos sobre la atencion al paciente incluyeron la seguridad y los posibles retos para acceder. Discusion: Las implicaciones para el ejercicio de la enfermeria incluyeron asesoramiento, apoyo y responsabilidad para la accion. Las implicaciones educativas se relacionaron con la educacion interdisciplinaria y con un aumento en la esucacion sobre comunicacion, asertividad y conciencia del abuso. Las implicaciones para la investigacion incluyeron estudiar las percepciones de otros profesionales sanitarios, incluidos los medicos, estudiar la captacion y retencion en relacion al abuso, y el estudio de otros maltratos en la atencion sanitaria, como la violencia horizontal. Conclusion: Sugerimos un abordaje proactivo para empoderar a las EQ a hacer frente al abuso y hacer un mayor enfasis en los roles interdisciplinarios.
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 | 0,003 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».