Peer coaching and mentoring: A new model of educational intervention for safe patient handling in health care
Notice bibliographique
Résumé
BACKGROUND: To reduce the risk of patient handling-related musculoskeletal injury, overhead ceiling lifts have been installed in health care facilities. To increase ceiling lift usage for a variety of patient handling tasks, a peer coaching and mentoring program was implemented among the direct care staff in the long-term care subsector in British Columbia, Canada. They received a 4-day training program on body mechanics, ergonomics, patient-handling techniques, ceiling lift usage, in addition to coaching skills. METHODS: A questionnaire was administered among staff before and after the intervention to evaluate the program's effectiveness. RESULTS: There were 403 and 200 respondents to the pre-intervention and post-intervention questionnaires. In general, staff perceived the peer-coaching program to be effective. The number of staff who reported to be using ceiling lifts "often and always" went higher from 64.5% to 80.5% (<0.001) after coaching program implementation. Furthermore, staff reported that they were using the ceiling lifts for more types of tasks post-intervention. Staff reported that the peer coaching program has increased their safety awareness at work and confidence in using the ceiling lifts. CONCLUSIONS: The findings suggest that this educational model can increase the uptake of mechanical interventions for occupational health and safety initiatives. It appears that the training led to a greater awareness of the availability of or increased perceptions of the number of ceiling lifts, presumably through coaches advocating their use.
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 | 0,003 |
| 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 | 0,000 |
| 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 ».