Reliability and validity of the revised Rushton Moral Resilience Scale for healthcare workers
Notice bibliographique
Résumé
AIM: To refine the Rushton Moral Resilience Scale (RMRS) by creating a more concise scale, improving the reliability, particularly of the personal integrity subscale and providing further evidence of validity. BACKGROUND: Healthcare workers are exposed to moral adversity in practice. When unable to preserve/restore their integrity, moral suffering ensues. Moral resilience is a resource that may mitigate negative consequences. To better understand mechanisms for doing so, a valid and reliable measurement tool is necessary. DESIGN: Cross-sectional survey. METHODS: Participants (N = 1297) had completed ≥1 items on the RMRS as part of the baseline survey of a larger longitudinal study. Item analysis, confirmatory factor analyses, reliability analyses (Cronbach's alpha), and correlations were used to establish reliability and validity of the revised RMRS. RESULTS: Item and confirmatory factor analysis were used to refine the RMRS from 21 to 16 items. The four-factor structure (responses to moral adversity, personal integrity, relational integrity and moral efficacy) demonstrated adequate fit in follow-up confirmatory analyses in the initial and hold-out sub-samples. All subscales and the total scale had adequate reliabilities (α ≥ 0.70). A higher-order factor analysis supports the computation of either subscale scores or a total scale score. Correlations of scores with stress, anxiety, depression and moral distress provide evidence of the scale's validity. Reliability of the personal integrity subscale improved. CONCLUSION AND IMPLICATIONS: The RMRS-16 demonstrates adequate reliability and validity, particularly the personal integrity subscale. Moral resilience is an important lever for reducing consequences when confronted with ethical challenges in practice. Improved reliability of the four subscales and having a shorter overall scale allow for targeted application and will facilitate further research and intervention development. PATIENT/PUBLIC CONTRIBUTION: Data came from a larger study of Canadian healthcare workers from multiple healthcare organizations who completed a survey about their experiences during COVID-19.
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 | 0,025 |
| 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 | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,002 |
| 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 ».