Developing a measure for health professionals’ attitudes toward veterans
Notice bibliographique
Résumé
U.S. veterans have complex healthcare needs that require professionals who are properly trained to address these issues. However, little is known about the attitudes that nurses and other professionals have toward veteran patients, particularly those working in community-based settings where it is unlikely training on veterans’ issues has occurred. Understanding health professionals’ attitudes toward caring for veterans is an important step in developing a workforce that is knowledgeable and willing to serve this complex and growing population. The purpose of this study was to develop and validate the Health Professionals’ Attitudes Toward Veterans (HPATV) scale, which explores attitudes regarding military cultural sensitivity and awareness, provision of care to veteran patients, and the prominent veterans’ health issues. The HPATV was developed across several phases, including review of existing measures and literature regarding veterans’ health and attitude structure, hypothesis of a factor structure, identification of a theoretical framework for attitude construction, item generation, 3-round Delphi survey to refine items and test content validity, piloting the measure among health professions students, and exploratory (EFA) and confirmatory factor analysis (CFA). Following CFA, the final 14-item scale revealed 3 latent factors to describe health professionals’ more nuanced attitudes toward working with veteran patients: culture, care, and health. The HPATV is a validated and readily available tool for needs assessment, quality improvement, and evaluation. Use of this tool will help increase understanding of these culture, care, and health domains and generate quality improvement initiatives based on them—ultimately benefiting veteran patients through more sensitive, patient-centered 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 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 | 0,003 | 0,003 |
| 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 | 0,002 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».