The Role of Safety Culture in Influencing Provider Perceptions of Patient Safety
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
OBJECTIVES: To determine how provider perceptions of safety culture influence their involvement in patient safety practices. METHODS: Health-care providers were surveyed in 2 tertiary hospitals located in Atlantic Canada, composed of 4 units in total. The partial least squares (PLS) approach to structural equation modeling was used to analyze the data. Latent variables provider PLS model encompassed the hypothesized relationships between provider characteristics, safety culture, perceptions of patient safety practices, and actual performance of patient safety practices, using the Health Belief Model (HBM) as a guide. Data analysis was conducted using SmartPLS. RESULTS: A total of 113 health-care providers completed a survey out of an eligible 318, representing a response rate of 35.5%. The final PLS model showed acceptable internal consistency with all four latent variables having a composite reliability score above the recommended 0.70 cutoff value (safety culture = 0.86, threat = 0.76, expectations = 0.83, PS practices = 0.75). Discriminant validity was established, and all path coefficients were found to be significant at the α = 0.05 level using nonparametric bootstrapping. The survey results show that safety culture accounted for 34% of the variance in perceptions of threat and 42% of the variance in expectations. CONCLUSIONS: This research supports the role that safety culture plays in the promotion and maintenance of patient safety activities for health-care providers. As such, it is recommended that the introduction of new patient safety strategies follow a thorough exploration of an organization's safety culture.
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.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 | 0,000 | 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 découle