Influence of well-being and quality of work-life on quality of care among health professionals in Southwest, Nigeria
Notice bibliographique
Résumé
Abstract The Nigerian healthcare industry is bedevilled with infrastructural dilapidations, inadequate funding and staffing, and a dysfunctional healthcare system. This study investigated the influence of health professionals’ well-being and quality of work-life (QoWL) on the quality of care (QoC) of patients in Nigeria. The study was a multicentre cross-sectional survey conducted at four tertiary health institutions in southwest, Nigeria. Participants’ demographic information, well-being, quality of work-life, and quality of care were obtained using four standardized questionnaires. Data were summarized using descriptive statistics of frequency (percentage) and mean (standard deviation). Inferential statistics included Chi-square, Pearson’s correlation, and independent samples t-test analyses. Medical practitioners (n = 609) and nurses (n = 570) constituted 74.6% of all the health professionals with physiotherapists, pharmacists, and medical laboratory scientists constituting 25.4%. The mean (SD) participants’ well-being = 71.65% (14.65), quality of life = 61.8% (21.31), quality of work-life = 65.73% (10.52) and quality of care = 70.14% (12.77). Participants’ quality of life had a significant negative correlation with quality of care while well-being and quality of work-life had a significant positive correlation with quality of care. We concluded that health professionals’ well-being and quality of work-life are important factors that influence their productivity and ultimately the quality of care rendered to patients. The hospital management and policymakers should ensure improved work-related factors to promote the well-being of health professionals, in order to enhance the quality of care given to patients and ultimately reduce brain drain and medical tourism.
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 | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| 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 ».