Assessment of Predictable Productivity of Nurses Working in Kerman University of Medical Sciences’ Teaching Hospitals via the Dimensions of Quality of Work Life
Notice bibliographique
Résumé
INTRODUCTION: Despite the existence of a large community of nurses, specific mechanisms have not been developed yet to consider their needs and the quality of their work life. Moreover, few studies have been conducted to analyze the nature of nursing, nursing places or nurses' quality of work life. In this regard, the present study aimed to assess predictable productivity of nurses working in Kerman University of Medical Sciences' teaching hospitals via the dimensions of Quality of Work Life. METHODOLOGY: The present descriptive-correlational study was conducted to assess predictable productivity of nurses via the dimensions of Quality of Work Life. The study's population consisted of all nurses working in different wards of teaching hospitals associated with Kerman University of Medical Sciences. Out of the whole population, 266 nurses were selected based on the simple random sampling method. To collect data, the questionnaires of 'Quality of Nursing Work Life' and 'Productivity' were used after confirming their reliability (test-retest) and content validity. Finally, the collected data were analyzed through the SPSS software (version 16). RESULTS: Although the quality of work life for nurses was average and their productivity was low but the results showed that quality of life is directly related to nurses' productivity. Quality of life and its dimensions are predictive factors in the in the nurses' productivity. CONCLUSIONS: It can conclude that by recognizing the nurses' quality of work life situation, it can realize this group productivity and their values to the efficiency of the health system. For the quality of working life improvement and increasing nurses' productivity more efforts are needed by authorities. The findings can be applied by managers of hospitals and nursing services along with head nurses to enhance the quality of health services and nursing profession in general.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».