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
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.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| 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 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».