Self-Assessment of Health Professionals’ Cultural Competence: Knowledge, Skills, and Mental Health Concepts for Optimal Health Care
Notice bibliographique
Résumé
Current research often refers to cultural competence to improve health care delivery. In addition, it focuses on the cultural uniqueness of each health service user for optimal personalized care. This study aimed to collect self-assessment data from health professionals regarding their cultural competence and to identify their development needs. A mixed methods design was adopted using the Cultural Competence Self-assessment Checklist of the Central Vancouver Island Multicultural Society. This was translated into Greek, validated, and then shared with health professionals in Cyprus. Subsequently, a semi-structured interview guide was designed and utilized. This was structured in exactly the same question categories as the questionnaire. Data collection took place between October 2021 and May 2022, and convenience sampling was used to recruit 499 health scientists in Cyprus. The sample comprised doctors, nurses, psychologists, midwives, social workers, and physiotherapists. Subsequently, 62 interviews were conducted with participants from the same specialties. The results showed that (compared to other health professionals) nurses and psychologists are more sensitive to issues of cultural competence. It would appear that the more socially oriented sciences had better-prepared healthcare staff to manage diversity in context. However, there is a gap between knowledge and skills when comparing doctors to nurses; they seem to be more skilled and willing to intervene actively in cases of racist behavior or problem-solving. In conclusion, participants identified the importance of their cultural competence; they also realized the importance of optimal planning of personalized health care. There is a significant need for continuous and specialized cultural competence training for all health professions.
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 | 0,010 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,003 | 0,001 |
| 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 ».