Assessment of Nurses' Exposure to Chronic Diseases in Thi-Qar Governorate Hospitals
Notice bibliographique
Résumé

 
 
 
 
 Objective: To assess nurses' exposure to hospitals chronic diseases hazards in Thi-Qar governorate, and to identify the association between nurses' socio-demographic characteristics of age, sex, marital status, place of work, the experience and educational attainment and their exposure to the hazards of chronic diseases. Methodology: A purposive "non-probability" sample of (433) nurses who were selected from four public hospitals in Thi-qar governorate for the period from November 4th 2013 to June 8th of 2014. Results: The study results indicated that that the vast majority of participants have mild chronic diseases and health problems (86.8%), nurses' age and years of working in nursing negatively correlate with occurrence of chronic disease, more than half of them are within 20-29 years-old, less than half of them have ≤ 5 years of working in nursing (45%), more than quarter of them work in emergency room, and less than half of those who have mild chronic diseases are preparatory nursing schools graduate (44.7%). Recommendations: Initiating a training program; especially; for newly working nurses that aim to prevent the occurrence of chronic diseases, Increase public awareness and education for Nurses workers in hospitals through posters, seminars, and medi
 
 
 
 
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 | 0,000 |
| 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 | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| 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 ».