Health Care Violence and Abuse towards Nurses in Hospitals in North of Iran
Notice bibliographique
Résumé
AIM: In the current survey, we explored the prevalence of verbal and physical abuse against the nurses in different hospitals of north of Iran. METHODS: We performed a cross-sectional survey. Nurses were interviewed using a standardized questionnaire (Staff Observation Scale Revised (SOAS-R)). The sample covered 400 participants from 5 hospitals of Mazandaran University of medical sciences, Sari, Iran. RESULTS: The sampling size involved 271 participants (271 forms from 400 forms (sampling population) were filled completely) including 193 female (71.2 %) and 78 male (28.8 %) participants. 79 (29.1%) participants experienced physical abuse and 260 (95.9%) participants were abused verbally. It was noted that in 35 cases (44.3%) the patients were the source of physical abuse and in 44 cases (55.6%) the members of patients' family were the source. In 79 (30.3%) cases the patients were the source of verbal violence and in 139 (53.4%) cases the members of patients' family were the source and in 42 (16.1%) cases coworkers were the sources. CONCLUSION: Verbal abuse was a common type of violence in our study in north of Iran. There is a requirement to increase awareness about this significant problem among health care workers.
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 | 0,003 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».