The Influence of Organizational Context on Best Practice Use by Care Aides in Residential Long-Term Care Settings
Notice bibliographique
Résumé
OBJECTIVE: This study assessed individual and organizational context (work environment) factors that influence use of best practices by care aides (nursing assistants) in nursing homes. Little scientific attention has been focused on understanding best practice use in nursing homes and almost none on care aides. SETTING AND PARTICIPANTS: A total of 1262 care aides in 25 nursing homes in the 3 Canadian prairie provinces. Care aides are unregulated workers who provide 80% of direct care to residents in Canadian nursing homes. METHOD: We used hierarchical linear modeling to (1) assess the amount of variance in use of best practices, as reported by care aides, that could be attributed to individual or organizational factors, and (2) identify predictors of best practices use by care aides. RESULTS: At the individual level, statistically significant predictors of instrumental use of best practices included sex, age, shift worked, job efficacy, and belief suspension. At the unit level, significant predictors were social capital, organizational slack (staffing and time), number of informal interactions, and unit type. At the facility level, ownership model and province were significant. Significant predictors of conceptual use of best practices at the individual level included English as a first language, job efficacy, belief suspension, intent to use research, adequate knowledge, and number of information sources used. At the unit level, significant predictors were evaluation (feedback mechanisms), structural resources, and organizational slack (time). At the facility level, province was significant. The R(2) was 18.3% for instrumental use of best practices and 43.4% for conceptual use. Unit level factors added a substantial amount of explained variance whereas facility level factors added relatively little explained variance. CONCLUSIONS: Our study suggests that context plays an important role in care aides' use of best practices in nursing homes. Individual characteristics played a more prominent role than contextual factors in predicting conceptual use of best practices.
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 | 0,002 | 0,045 |
| 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 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».