Non-Work-Related Use of Personal Mobile Phones by Hospital Registered Nurses
Notice bibliographique
Résumé
BACKGROUND: Personal mobile phones and other personal communication devices (smartphones and tablet computers) provide users with an ever-increasing number and diversity of non-work-related activities while at work. In hospitals, where the vigilance of health care workers is essential for patient care, the potential distraction of these devices could be hazardous to patients. OBJECTIVE: The objective of this study was to determine the frequency of non-work-related use of personal mobile phones and other personal communication devices among hospital registered nurses. METHODS: In March 2014, a previously validated 30-question survey was emailed to the 10,978 members of the Academy of Medical Surgical Nurses. There were 825 respondents who met the inclusion criteria. RESULTS: The use of a personal mobile phone or other personal communication device while working (excluding meal times and breaks) was reported by 78.1% (644/825) of respondents. Nurses reported regularly (sometimes, often, or always) sending personal emails and text messages (38.6%, 318/825), reading news (25.7%, 212/825), checking/posting on social networking sites (20.8%, 172/825), shopping (9.6%, 79/825), and playing games (6.5%, 54/825) while working. CONCLUSIONS: This study found that hospital nurses frequently use their personal mobile phones or other personal communication devices for non-work-related activities at work. The primary activity reported was to send personal emails and text messages to family and friends.
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 | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 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 ».