The Design and Evaluation of a Joint Health and Safety Committee Education Programme in the Healthcare Sector in Western Canada
Notice bibliographique
Résumé
In spite of the long-term existence of joint committees, injury rates appear to be increasing in the healthcare sector. The purpose of this study was to deliver and evaluate a province-wide joint committee (JC) education program for healthcare institutions BC. The joint committee education program was designed with input from labour and management representatives and expert advice from compensation, union, and human resources consultants. The training program was designed to: 1) ensure that committee members fully understood their roles and responsibilities as outlined under the Workers' Compensation Act and Regulations, 2) increase the problem solving skills of committee members, 3) improve the committee's ability in identifying and resolving health and safety concerns in their workplace. Between June and December 2000, 1,206 JC members, (employed at 262 different healthcare facilities), were trained. An evaluation survey, designed as a retrospective before and after study, to evaluate whether the JC training sessions had produced changes in committee functioning was conducted from 7 to 15 months after the training (during the period July 2001 to September 2001) by two trained telephone interviewers. While the level of JC functioning was quite high most institutions prior to training the evaluation survey found large and statistically significant improvements in JC functioning. A 39.5% increase in the proportion of respondents reporting “high” marks for JC effectiveness in identifying hazards and an increase of 50% reporting “high” marks for understanding the JCs role were observed. Increases in the proportion of respondents reporting “high” marks for accuracy of JC minutes, specificity of recommendations, and perhaps most importantly, degrees of cooperation among JC members were in the 20 percent range. IN conclusion this province-wide training of JC members in healthcare institutions increased the functioning of JCs in key areas.
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 | 0,013 | 0,017 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,005 | 0,002 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,002 | 0,003 |
| 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 ».