Effects of ethical climate in association with tenure on work addiction, quality of care and staff retention: a cross-sectional study
Notice bibliographique
Résumé
OBJECTIVES: Work addiction is not contingent on personality alone; it is also impacted by social contextual factors. Work addiction influences the perceived quality of care and intention to remain in healthcare sector. The current study seeks to understand the role of ethical climate as a potential organisational lever to reduce such addiction, especially among newcomers. DESIGN: We contacted a sample of Canadian healthcare organisations to collect quantitative data using an online questionnaire from November 2021 to February 2022. All constructs (ethical climate, work addiction, perceived quality of care, intention to quit the profession) were measured using validated psychometric scales. 860 respondents provided complete questionnaires. We analysed the data using structural equation modelling and regression analysis. RESULTS: Work addiction mediated the indirect relationship between ethical climate and the intention to quit the profession (β=-0.053; 95% CI (-0.083 to -0.029); p<0.001) and with quality of care (β=0.049; 95% CI (0.028, 0.077); p<0.001). For each increase of 1 SD of ethical climate, the total effects regarding the variations in the outcomes were more important at low rather than high levels of tenure for work addiction (-11%, -2%), perceived quality of care (23%, 11%) and intention to quit the profession (-30%, -23%), respectively. CONCLUSION: Ethical climate in healthcare organisations has a significant and beneficial relationship with healthcare workers' (HCWs) work addiction behaviours. In turn, this relationship is related to greater perceived quality of care and higher intention to remain, especially for HCWs with lower tenure.
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 | 0,007 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 | 0,001 |
| 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 ».