Identifying quality indicators to measure workplace violence in healthcare settings: a rapid review
Notice bibliographique
Résumé
BACKGROUND: Workplace violence (WPV) in healthcare is a growing challenge posing significant risks to patient care and employee well-being. Existing metrics to measure WPV in healthcare settings often fail to provide decision-makers with an adequate reflection of WPV due to the complexity of the issue. This increases the difficulty for decision-makers to evaluate WPV in healthcare settings and implement interventions that can produce sustained improvements. OBJECTIVE: This study aims to identify and compile a list of quality indicators that have previously been utilized to measure WPV in healthcare settings. The identified quality indicators serve as tools, providing leadership with the necessary information on the state of WPV within their organization or the impact of WPV prevention interventions. This information provides leadership with a foundation for planning and decision making related to addressing WPV. METHODS: Ovid databases were used to identify articles relevant to violence in healthcare settings, from which 43 publications were included for data extraction. Data extraction produced a total of 229 quality indicators that were sorted into three indicator categories using the Donabedian model: structure, process, and outcome. RESULTS: A majority of the articles (93%) contained at least 1 quality indicator that possessed the potential to be operationalized at an organizational level. In addition, several articles (40%) contained valuable questionnaires or survey instruments for measuring WPV. In total, the rapid review process identified 84 structural quality indicators, 121 process quality indicators, 24 outcome quality indicators, 57 survey-type questions and 17 survey instruments. CONCLUSIONS: This study provides a foundation for healthcare organizations to address WPV through systematic approaches informed by quality indicators. The utilization of indicators showed promise for characterizing WPV and measuring the efficacy of interventions. Caution must be exercised to ensure indicators are not discriminatory and are suited to specific organizational needs. While the findings of this review are promising, further investigation is needed to rigorously evaluate existing literature to expand the list of quality indicators for WPV.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,057 | 0,236 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,010 | 0,011 |
| Bibliométrie | 0,046 | 0,036 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,007 | 0,009 |
| Science ouverte | 0,004 | 0,005 |
| Intégrité de la recherche | 0,003 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,001 |
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 source (Gemma direct ou Codex distillé), 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 ».