Notice bibliographique
Résumé
BACKGROUND: Literature on health system transformation highlights the importance of physician engagement, suggesting that it is a critical factor for lowering costs while improving efficiency, quality of care, patient safety, physician satisfaction and retention. "Engagement" in health care is often defined as a positive, fulfilling work-related state of mind, which is characterized by vigor, dedication and absorption. The aim of this scoping review is to identify factors associated with, and tools used to measure physician engagement. METHODS: MEDLINE, Embase, Cochrane Central Register of Controlled Trials, and gray literature were searched. Supplementary articles were obtained by searching article references. All quantitative and qualitative study designs were eligible that described factors associated with, and tools used to measure, hospital physician engagement. Quantitative and qualitative analyses were conducted. Groupings and clustering were conducted to determine dominant groups or cluster of characteristics. Conceptual mapping was then conducted to identify patterns. RESULTS: A total of 15 studies fulfilled the eligibility criteria. All were published between 2012 and 2017. Studies were predominantly conducted in Germany (n=8). Factors associated with physician engagement were synthesized into individual characteristics (n=7), work environment characteristics (n=7), and work outcomes (n=5). The Utrecht Work Engagement Scale was the most commonly used tool (n=14). CONCLUSIONS: This scoping review provides a strong evidence-based platform to further advance knowledge in the area of physician engagement. The identification of environmental factors assists hospital administrative leaders in understanding how they might intervene to affect engagement, while the identification of individual characteristics enable identification of vulnerable physicians, permitting identification of the most pertinent targeted areas for focus.
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 | 0,001 | 0,001 |
| 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 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 0,003 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».