NOT JUST HOW MANY BUT WHO IS ON SHIFT: THE IMPACT OF WORKPLACE INCIVILITY AND BULLYING AMONG RCAS ON RESIDENT CARE
Notice bibliographique
Résumé
Abstract Much of the literature examining the link between care quality and staffing in long-term residential care focuses on staffing ratios and staffing mix; that is, how many staff are on shift. Far less attention has been devoted to exploring the impact of staff members’ workplace relationships, or who is on shift, on care quality. Of increasing concern is the potential for peer incivility and bullying to disrupt the respectful, collaborative and effective working relationships considered key to residential care aides’ (RCAs) care provision. This paper draws on data collected from a critical ethnography examining workplace incivility and bullying in a rural, not-for-profit care home. To date, more than 50 hours of participant observation, and 20 in-depth interviews with RCAs, licensed practical nurses, support staff, management and residents have been conducted. Thematic analyses identified three key themes: impact on resident safety; cutting corners; and impact on resident agitation and anxiety. Impact on resident safety highlights how incivility and bullying can result in non-adherence to two-person lift policies and procedures. Cutting corners outlines how RCAs’ relationships with their co-workers dictates to what extent they provide the requisite care to a resident for whom another RCA is responsible. Impact on resident agitation and anxiety focuses on residents’ reactions to the tensions that emerge between RCAs as a result of incivility and bullying. Findings highlight how peer incivility and bullying may indirectly influence certain quality indicators (e.g., pressure sores, psychotropic medication use) thereby offering additional insight into the staffing-care quality link.
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 | 0,001 |
| 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 | 0,001 |
| 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 ».