Workplace violence against hospital healthcare workers in China: a national WeChat-based survey
Notice bibliographique
Résumé
BACKGROUND: Workplace violence (WPV) is a serious issue for healthcare workers and leads to many negative consequences. Several studies have reported on the prevalence of WPV in China, which ranges from 42.2 to 83.3%. However, little information is available regarding the correlates of WPV among healthcare workers and the differences across the different levels of hospitals in China. This study aimed to explore the correlates of WPV and career satisfaction among healthcare workers in China. METHODS: A self-designed WeChat-based questionnaire was used that included demographic and occupational factors. The Chinese version of the Workplace Violence Scale was used to measure WPV. Career satisfaction was assessed using two questions about career choices. Descriptive analyses, chi-square tests and multivariate logistic regressions were used. RESULTS: A total of 3706 participants (2750 nurses and 956 doctors) responded to the survey. Among the 3684 valid questionnaires, 2078 (56.4%) reported at least one type of WPV in the last year. Multivariate logistic regressions revealed that male sex, shift work, bachelor's degree education, a senior professional title, working more than 50 h per week and working in secondary-level hospitals were risk factors associated with WPV. Healthcare workers who had experienced higher levels of WPV were less likely to be satisfied with their careers. CONCLUSIONS: WPV remains a special concern for the Chinese healthcare system. Interventions to reduce WPV should be implemented by health authorities to create a zero-violence practice environment.
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 | 0,007 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 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 ».