Generational Differences in Hospital Technology Adoption: A Cross-Sectional Study
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
BACKGROUND: The advancement of technological change within healthcare means that it is essential for nurses to have the necessary technological skills to deliver safe and efficient nursing care. Few studies have examined whether generational differences affect the adoption of technology within the healthcare system. AIM: The primary purpose of this study was to explore predictors that influence the adoption of technology. METHODS: In this cross-sectional study, nurses were asked to rate their level of competency on 20 key skills related to clinical technological devices (CTDs) in a self-administered questionnaire. Participants' demographic data and level of proficiency related to personal computer skills were also collected. Multiple linear regression analysis was used to examine whether demographic characteristics and personal computer skills predicted higher scores related to CTDs. RESULTS: Sixty-three nurses completed the questionnaires. Overall mean score for skills related to CTD was high at 3.74 (SD = 0.75) out of 5. Length of employment at the hospital and previous exposure to the technology used at the hospital (β = 0.06, p = 0.021; β = 0.054, p = 0.011, respectively) were the only variables significantly associated with higher CTD skills scores. Generational cohort, gender, years of nursing experience and self-rated proficiency related to personal computer skills were not related to higher CTD skills scores. CONCLUSION: The results of this study emphasize that consistent exposure to technology enhances its adoption. Generational cohort did not play a role in the perception of nurses' technology competency at Humber River Hospital.
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.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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) | 0,001 | 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 découle