The Public Health Workforce Interests and Needs Survey
Notice bibliographique
Résumé
CONTEXT: Public health practitioners, policy makers, and researchers alike have called for more data on individual worker's perceptions about workplace environment, job satisfaction, and training needs for a quarter of a century. The Public Health Workforce Interests and Needs Survey (PH WINS) was created to answer that call. OBJECTIVE: Characterize key components of the public health workforce, including demographics, workplace environment, perceptions about national trends, and perceived training needs. DESIGN: A nationally representative survey of central office employees at state health agencies (SHAs) was conducted in 2014. Approximately 25,000 e-mail invitations to a Web-based survey were sent out to public health staff in 37 states, based on a stratified sampling approach. Balanced repeated replication weights were used to account for the complex sampling design. SETTING AND PARTICIPANTS: A total of 10,246 permanently employed SHA central office employees participated in PH WINS (46% response rate). MAIN OUTCOME MEASURES: Perceptions about training needs; workplace environment and job satisfaction; national initiatives and trends; and demographics. RESULTS: Although the majority of staff said they were somewhat or very satisfied with their job (79%; 95% confidence interval [CI], 78-80), as well as their organization (65%; 95% CI, 64-66), more than 42% (95% CI, 41-43) were considering leaving their organization in the next year or retiring before 2020; 4% of those were considering leaving for another job elsewhere in governmental public health. The majority of public health staff at SHA central offices are female (72%; 95% CI, 71-73), non-Hispanic white (70%; 95% CI, 69-71), and older than 40 years (73%; 95% CI, 72-74). The greatest training needs include influencing policy development, preparing a budget, and training related to the social determinants of health. CONCLUSIONS: PH WINS represents the first nationally representative survey of SHA employees. It holds significant potential to help answer previously unaddressed questions in public health workforce research and provides actionable findings for SHA leaders.
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 | 0,003 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
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 ».