The Effects of the Civility, Respect, and Engagement in the Workplace (CREW) Program on Social Climate and Work Engagement in a Psychiatric Ward in Japan: A Pilot Study
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
BACKGROUND: Good social climate and high work engagement are important factors affecting outcomes in healthcare settings. This study observed the effects of a program called Civility, Respect, and Engagement in the Workplace (CREW) on social climate and staff work engagement in a psychiatric ward of a Japanese hospital. METHODS: The program comprised 18 sessions installed over six months, with each session lasting 30-min. Participation in the program was recommended to all staff members at the ward, including nurses, medical doctors, and others, but it was not mandatory. A serial cross-sectional study collected data at four time-points. Nurses (n = 17 to 22), medical doctors (n = 9 to 13), and others (n = 6 to 10) participated in each survey. The analysis of variance was used to evaluate the changes in the following dependent variables, the Essen climate evaluation schema (EssenCES), the CREW civility scale, and the Utrecht work engagement scale (UWES) over time. RESULT: We found no significant effects. The effect size (Cohen's d) for EssenCES was 0.35 from baseline to post-installation for all staff members. Effect sizes for EssenCES for medical doctors and UWES for nurses were 0.79 and 0.56, respectively, from baseline to post-program. CONCLUSIONS: Differences in social climate and work engagement among Japanese healthcare workers between the baseline and post-installation of the CREW program were non-significant.
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.
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 | 0,009 | 0,001 |
| 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 | 0,002 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,002 |
| 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 découle