Team efficacy and leadership in managing aggressive situations in the general hospital setting: A qualitative descriptive analysis of focus groups with ward managers
Notice bibliographique
Résumé
AIMS AND OBJECTIVES: To explore the perception and issues regarding the ability of nursing teams to manage patient and visitor aggression in clinical practice, from ward managers' perspectives. BACKGROUND: Patient and visitor aggression causes substantial human suffering and financial damage in healthcare organisations. Nurse managers are key persons for developing their teams' efficacy in dealing with patient and visitor aggression. However, their perception of patient and visitor aggression in clinical practice has rarely been explored, and issues relating to team management in this context are underinvestigated. DESIGN: A secondary, qualitative thematic analysis of focus group interviews. METHODS: Five focus groups consisting of a total of 30 ward and deputy ward managers from five Swiss hospitals were interviewed with audio recording between December 2015-January 2016. Since the recordings were rich in additional content exceeding the primary research question, a secondary analysis was conducted to answer the questions: (1) Which factors influence team efficacy in regard to patient and visitor aggression? (2) What are the implications for nurse leadership? The Consolidated Criteria for Reporting Qualitative Research was followed in the conduct and reporting of this study. RESULTS: Three themes emerged from our analysis: (a) contextual factors (organisational safety culture and collaboration), (b) influences from within the team (team culture, nursing aggression and general management principles) and (c) implications for nurse leadership. CONCLUSIONS: Managing patient and visitor aggression is a challenge for nurse managers. A team's ability to prevent, de-escalate and debrief after PVA incidents is an important leadership task in which ward managers are neither supported in nor trained for within their organisations. RELEVANCE TO CLINICAL PRACTICE: Nurse managers in general hospitals require more support to enable their teams to cope effectively with patient and visitor aggression. Policy and guideline implementation need to be prioritised.
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 | 0,006 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 ».