Adapting the Healthy Work Environment Assessment Tool for French-Canadian Intensive Care Nurses
Notice bibliographique
Résumé
BACKGROUND: Self-administered instruments are used to measure components of work environments that cannot be measured directly. The Healthy Work Environment Assessment Tool (HWEAT) of the American Association of Critical-Care Nurses is a promising instrument. However, it is available only in English and Japanese, precluding its use in other populations and cross-national comparisons. OBJECTIVES: To describe the Canadian French translation and cross-cultural adaptation of the HWEAT (F-HWEAT) and to explore its factor structure and psychometric properties. METHODS: Cross-cultural adaptation of the HWEAT and collection of evidence of validity via an electronic cross-sectional survey. RESULTS: A total of 564 intensive care unit nurses participated in the validation study. Confirmatory factor analysis supported the presence of a single overarching factor measured by the F-HWEAT. The Cronbach α for the instrument was 0.89 (95% CI, 0.88-0.91). The mean and median interitem correlations were both 0.32, and item-partial total correlations ranged from 0.33 to 0.64. The overall F-HWEAT score indicated that nurses believed their work environment needed improvements. Moderate positive correlations were found between the overall F-HWEAT score and nurses' perceptions of care quality (r = 0.45 [95% CI, 0.38-0.51]) and safety (r = 0.48 [95% CI, 0.40-0.55]). CONCLUSION: The results support the use of the F-HWEAT in French-speaking populations. Using the F-HWEAT will help elucidate areas needing improvement and expand global dialogues about healthy critical care work environments. With this information, nurse leaders and researchers can develop and implement modern strategies to improve the work conditions of intensive care unit nurses.
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 | 0,000 | 0,001 |
| 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 | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».