Predicting Metaethics of Nurses based on Moral Reasoning, Moral Behavior and Mental Health
Notice bibliographique
Résumé
Background and Aim : Metaethics reflects knowledge of persons from moral nature, principles and processes. Metaethics is effect by many variables such as moral reasoning, moral behavior and mental health. The aimed to investigate the predicting metaethics of nurses based on moral reasoning, moral behavior and mental health. Materials and Methods : This is a cross-sectional study of correlational type. The statistical population included all nurses of Varamin hospitals in 2016 years. Totally 90 nurses were selected through simple random sampling. All of them completed the questionnaires include metaethics, moral reasoning, moral behavior and mental health. Data was analyzed using Pearson correlation and multivariate regression with stepwise model methods and with using of SPSS-19 software. Ethical Considerations : In this study, verbal informed consent of participants was obtained followed by an explanation about the purpose of the study, anonymity and confidentiality of patients' information. Findings : The results showed a positive and significant relationship between moral reasoning, moral behavior and mental health with metaethics of nurses. In a one predicted model, moral behavior, mental health and moral reasoning predicted 37/2 percent of variance of metaethics among nurses (p≤0/01). Conclusion : According to findings, moral behavior, mental health and moral reasoning were the most important predictors of metaethics of nurses. Therefore, it is suggested that planners and counselors consider the symptoms of these variables and design and Implement appropriate programs to improve the metaethics of nursing. Citation: Ashoori J. Predicting Metaethics of Nurses based on Moral Reasoning, Moral Behavior and Mental Health. Bioeth Health Law J. 2017; 1(2):44-48.
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 | 0,022 | 0,008 |
| 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 | 0,016 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,010 |
| 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 ».