MétaCan
Menu
Retour à la cohorte
Enregistrement W4383560005 · doi:10.12968/bjhc.2022.0035

Barriers to reporting sexual harassment in healthcare settings: a literature review

2023· review· en· W4383560005 sur OpenAlexaboutno aff
Tabitha Morgan Rees

Notice bibliographique

RevueBritish Journal of Healthcare Management · 2023
Typereview
Langueen
DomaineSocial Sciences
ThématiqueWorkplace Violence and Bullying
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésHarassmentChecklistCLARITYHealth careScopusGrey literatureCritical appraisalPsychologyInclusion (mineral)Medical educationHealth professionalsMedicinePublic relationsNursingPolitical scienceMEDLINEAlternative medicineSocial psychology

Résumé

récupéré en direct d'OpenAlex

Healthcare professionals are at risk of experiencing sexual harassment at work, which can have a negative impact on their health and wellbeing. This study aimed to explore the reasons why healthcare professionals may not report their experiences of sexual harassment, as documented in peer-reviewed literature. EBSCO, Scopus, JSTOR, Science Direct, Sage, Google Scholar, the Cochrane Library and DelphiS were searched to identify relevant articles published in English from Australia, Canada, Ireland, New Zealand, UK and USA. A concept mapping table was developed to assist with the search strategy and the Critical Skills Appraisal Programme Checklist was used to critique and synthesise the findings. A total of five articles met the inclusion criteria, although most focused on healthcare professionals in general and looked at wider harassment and violence, rather than sexual harassment alone. The main factors that influenced the reporting of harassment were the normalisation of inappropriate behaviour, fear of reprisal and lack of clarity around policies and procedures. Further research is needed into the factors influencing the reporting of sexual harassment specifically in order to develop standardised reporting procedures and training programmes to prevent these incidents, and handle them appropriately when they do occur.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,015
score de la tête « metaresearch » (Gemma)0,003
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Autre devis · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,808
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0150,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0030,001
Bibliométrie0,0010,003
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,002
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,063
Tête enseignante GPT0,430
Écart entre enseignants0,367 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeAutre devis
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations2
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBritish Journal of Healthcare ManagementMême sujetWorkplace Violence and BullyingTravaux en français237 207