Building a Healthy Work Environment: A Nursing Resource Team Perspective
Notice bibliographique
Résumé
Leadership and staff from the London Health Sciences Centre (LHSC) Nursing Resource Team (NRT), including members of their Continuous Quality Improvement (CQI) Council, attended the first Southern Ontario Nursing Resource Team Conference (SONRTC), held March 2012 in Toronto. The SONRTC highlighted healthy work environments (HWEs), noting vast differences among the province's various organizations. Conversely, CQI Council members anecdotally acknowledged similar inconsistencies in HWEs across the various inpatient departments at LHSC. In fact, the mobility of the NRT role allows these nurses to make an unbiased observation about the culture, behaviours and practices of specific units as well as cross-reference departments regarding HWEs. Studies have documented that HWEs have a direct impact on the quality of patient care. Furthermore, the literature supports a relationship between HWEs and nurse job satisfaction. Based on this heightened awareness, the NRT CQI Council aimed to investigate HWEs at LHSC. The American Association of Critical Care Nurses (AACN) Standards for Establishing and Sustaining Healthy Work Environments was adapted in developing a survey for measuring HWEs based on the perceptions of NRT staff. Each of the departments was evaluated in terms of the following indicators: skilled communication, true collaboration, effective decision-making, appropriate staffing, meaningful recognition and authentic leadership (AACN 2005). Ultimately, the Building a Healthy Work Environment: A Nursing Resource Team Perspective survey was employed with NRT nurses at LHSC, and data was collected for use by leadership and staff for creating HWE strategies aimed at improving the quality of patient care.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,002 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».