Predictors of Health Promoting Lifestyle Among Midwives Employed in Hospitals and Health Centres of Qazvin, Iran
Notice bibliographique
Résumé
Background and aims: Midwives experience a high level of stress due to heavy workloads, which has been shown to have adverse effects on well-being. Accordingly, the main goal of this study was to assess the predictors associated with a healthy lifestyle in a sample of midwives working in hospitals and health centers of Qazvin, Iran. Methods: A total of 200 midwives were recruited using convenience sampling method. Each subject completed a demographic questionnaire, the Farsi version of the Health Promoting Lifestyle Profile Questionnaire, and Perceived Social Support Questionnaire. A multivariate linear regression model was used to assess the predictors of health promoting lifestyle (HPL). Results: Spiritual growth (2.78±0.53) and nutrition (2.79±0.45) had the highest scores among HPL subscales. Conversely, subjects had the lowest score in physical activity (2.02±0.64). Multivariate regression analyses showed that workplace (β=-0.19, P=0.03), involving in professional sports (β=0.2, P=0.01), and perception of an adequate social support network (β=0.47, P<0.001) were the strongest predictors of HPL. These predictors accounted for 27% of the variance in the model. Conclusion: Considering the predictive role of three variables including workplace, involving in professional sport, and having adequate social support, HPL interventions can be designed and implemented. Improving working conditions, strengthening social support networks, and increasing physical activity might be beneficial measures to improve midwives’ HPL.
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 | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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) | 0,002 | 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 ».