Paramedic Willingness to Report Violence Following the Introduction of a Novel, Point-of-Event Reporting Process in a Single Canadian Paramedic Service
Notice bibliographique
Résumé
Violence against paramedics is increasingly recognized as an important occupational health problem, but pervasive and institutionalized underreporting hinders efforts at risk mitigation. Earlier research has shown that the organizational culture within paramedicine may contribute to underreporting, and researchers have recommended involving paramedics in the development of violence prevention policies, including reporting systems. Eighteen months after the launch of a new violence reporting system in Peel Region, Ontario, Canada, we surveyed paramedics about their experiences reporting violent encounters. Our objectives were to assess their willingness to report violence and explore factors that influence their decisions to file a report. Between September and December 2022, a total of 204 (33% of eligible) paramedics chose to participate, of whom 67% (N = 137) had experienced violence since the launch of the new reporting process, with 83% (N = 114) reporting the incidents at least some of the time. After thematically analyzing free-text survey responses, we found that the participants cited the accessibility of the new reporting process and the desire to promote accountability among perpetrators while contributing to a safer workplace as motivating factors. Their decisions to file a report, however, could be influenced by the perceived 'volitionality' and severity of the violent encounters, particularly in the context of (un)supportive co-workers and supervisors. Ultimately, the participants' belief that the report would lead to meaningful change within the service was a key driver of reporting behavior.
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 | 0,013 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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 | 0,000 |
| 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 ».