Not Just How Many but Who Is on Shift: The Impact of Workplace Incivility and Bullying on Care Delivery in Nursing Homes
Notice bibliographique
Résumé
BACKGROUND AND OBJECTIVES: Much of the literature examining the staffing-care quality link in long-term care (LTC) homes focuses on staffing ratios; that is, how many staff are on shift. Far less attention is devoted to exploring the impact of staff members' workplace relationships, or who is on shift. As part of our work exploring workplace incivility and bullying among residential care aides (RCAs), we examined how RCAs' workplace relationships are shaped by peer incivility and bullying and the impact on care delivery. RESEARCH DESIGN AND METHODS: Using critical ethnography, we conducted 100 hr of participant observation and 33 semistructured interviews with RCAs, licensed practical nurses, support staff, and management in 2 nonprofit LTC homes in British Columbia, Canada. RESULTS: Three key themes illustrate the power relations underpinning RCAs' encounters with incivility and bullying that, in turn, shaped care delivery. Requesting Help highlights how exposure to incivility and bullying made RCAs reluctant to seek help from their coworkers. Receiving Help focuses on how power relations and notions of worthiness and reciprocity impacted RCAs' receipt of help from coworkers. Resisting Help/ing outlines how workplace relationships imbued with power relations led some RCAs to refuse assistance from their coworkers, led longer-tenured RCAs to resist helping newer RCAs, and dictated the extent to which RCAs provided care to residents for whom another RCA was responsible. DISCUSSION AND IMPLICATIONS: Findings highlight "who" is on shift warrants as much attention as "how many" are on shift, 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 | 0,000 |
| Études des sciences et des technologies | 0,001 | 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 ».