Generational Differences in Hospital Technology Adoption: A Cross-Sectional Study
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.
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 | 0,003 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 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 ».