Nurses' Professional Commitment and Its Effect on Patient Safety
Notice bibliographique
Résumé
AIMS & OBJECTIVES: The project was designed to assess the level of professional commitment among Jordanian Registered Nurses and examine how professional commitment among nurses relates to patients' safety.BACKGROUND: Professional commitment has received a great deal of interest worldwide. Nurses constitute the largest group of healthcare professionals that spend a majority of their time at the bedside in direct patient care. Nurses have an important role in improving patient safety and providing quality of care.DESIGN: A descriptive, cross-sectional, correlational design was used to answer the research questions.METHODS: A convenience sampling of 180 nurses selected from three accredited hospitals (governmental, private and university-affiliated teaching hospitals) completed two questionnaires; Professional Commitment Questionnaire (PCQ) and a Patient Safety Scale. Descriptive statistics, correlation coefficient, independent sample t-test, and one-way ANOVA test were used in data analysis. RESULT: Nurses' professional commitment was significantly and positively correlated with patient safety. Registered nurses perceived that their level of commitment was medium (M=3.47; SD=1.58 of a 7 point scale), with the highest mean recorded for nurses working in governmental hospitals (M=3.88; SD=1.53). The level of perception of issues related to patient safety was slightly higher than the midpoint (M=5.94; SD=1.38 of a 9 point scale). Nurses' professional commitment was influenced by gender t (158 =-2.33; p =.02), nursing experience in current hospitals (r=- 0.193; p=0.01), current hospital sector (F=4.334, p=0.01), and monthly salary (F=12.327, p=0.000). Patient safety was influenced by nurses' educational level (F=3.306, p=0.03).CONCLUSION: This study provides a preliminary understanding of how professional commitment of registered nurses can enhance patient safety. Managerial support was deemed necessary to enhance nurses' professional commitment, which, in turn, improves healthcare outcomes.
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 | 0,004 | 0,021 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,000 |
| Science ouverte | 0,000 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».