Quality of working life indicators in Canadian health care organizations: a tool for healthy, health care workplaces?
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
BACKGROUND: Quality-of-work-life (QWL) includes broad aspects of the work environment that affect employee learning and health. Canadian health care organizations (HCOs) are being encouraged to monitor QWL, expanding existing occupational health surveillance capacities. AIM: To investigate the understanding, collection, diffusion and use of QWL indicators in Canadian HCOs. METHODS: We obtained cooperation from six diverse public HCOs managing 41 sites. We reviewed documentation relevant to QWL and conducted 58 focus groups/team interviews with strategic, support and programme teams. Group interviews were taped, reviewed and analysed for themes using qualitative data techniques. Indicators were classified by purpose and HCO level. RESULTS: QWL indicators, as such, were relatively new to most HCOs yet the data managed by human resource and occupational health and safety support teams were highly relevant to monitoring of employee well-being (119 of 209 mentioned indicators), e.g. sickness absence. Monitoring of working conditions (62/209) was also important, e.g. indicators of employee workload. Uncommon were indicators of biomechanical and psychosocial hazards at work, despite their being important causes of morbidity among HCO employees. Although imprecision in the definition of QWL indicators, limited links with other HCO performance measures and inadequate HCO resources for implementation were common, most HCOs cited ways in which QWL indicators had influenced planning and evaluation of prevention efforts. CONCLUSIONS: Increase in targeted HCO resources, inclusion of other QWL indicators and greater integration with HCO management systems could all improve HCO decision-makers' access to information relevant to employee health.
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.
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 | 0,003 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 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 découle