Health of health care workers in Canadian nursing homes and pediatric hospitals: a cross-sectional study
Notice bibliographique
Résumé
BACKGROUND: Poor health of health care workers affects quality of care, but research and health data for health care workers are scarce. Our aim was to compare physical/mental health among health care worker groups 1) within nursing homes and pediatric hospitals, 2) between the 2 settings and 3) with the physical/mental health of the Canadian population. METHODS: Using cross-sectional data collected as part of the Translating Research in Elder Care program and the Translating Research on Pain in Children program, we examined the health of health care workers. In nursing homes, 169 registered nurses, 139 licensed practical nurses, 1506 care aides, 145 allied health care providers and 69 managers were surveyed. In pediatric hospitals, 63 physicians, 747 registered nurses, 155 allied health care providers, 49 nurse educators and 22 managers were surveyed. After standardization of the data for age and sex, we applied analyses of variance and general linear models, adjusted for multiple testing. RESULTS: Nursing home workers and registered nurses in pediatric hospitals had poorer mental health than the Canadian population. Scores were lowest for registered nurses in nursing homes (mean difference -4.4 [95% confidence interval -6.6 to -2.6]). Physicians in pediatric hospitals and allied health care providers in nursing homes had better physical health than the general population. We also found important differences in physical/mental health for care provider groups within and between care settings. INTERPRETATION: Mental health is especially poor among nursing home workers, who care for a highly vulnerable and medically complex population of older adults. Strategies including optimized work environments are needed to improve the physical and mental health of health care workers to ameliorate quality of patient care.
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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,005 |
| Études des sciences et des technologies | 0,003 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».