Perpetrators of gender-based workplace violence amongst nurses and physicians–A scoping review of the literature
Notice bibliographique
Résumé
In healthcare settings worldwide, workplace violence (WPV) has been extensively studied. However, significantly less is known about gender-based WPV and the characteristics of perpetrators. We conducted a comprehensive scoping review on Type II (directed by consumers) and Type III (perpetuated by healthcare workers) gender based-WPV among nurses and physicians globally. For the review, we followed the Preferred Reporting Items for Systematic and Meta Analyses extension for Scoping Review (PRISMA-ScR). The protocol for the comprehensive review was registered on the Open Science Framework on January 14, 2022, at https://osf.io/t4pfb/. A systematic search in five health and social science databases yielded 178 relevant studies that indicated types of perpetrators, with only 34 providing descriptive data for perpetrators' gender. Across both types of WPV, men (65.1%) were more frequently responsible for perpetuating WPV compared to women (28.2%) and both genders (6.7%). Type II WPV, demonstrated a higher incidence of violence against women; linked to the gendered roles, stereotypes, and societal expectations that allocate specific responsibilities based on gender. Type III WPV was further categorized into Type III-A (horizontal) and Type III-B (vertical). With Type III WPV, gendered power structures and stereotypes contributed to a permissive environment for violence by men and women that victimized more women. These revelations emphasize the pressing need for gender-sensitive strategies for addressing WPV within the healthcare sector. Policymakers must prioritize the security of healthcare workers, especially women, through reforms and zero-tolerance policies. Promoting gender equality and empowerment within the workforce and leadership is pivotal. Additionally, creating a culture of inclusivity, support, and respect, led by senior leadership, acknowledging WPV as a structural issue and enabling an open dialogue across all levels are essential for combating this pervasive problem.
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 | 0,017 | 0,064 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,004 | 0,006 |
| Bibliométrie | 0,019 | 0,014 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,004 |
| Science ouverte | 0,002 | 0,003 |
| Intégrité de la recherche | 0,003 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 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 ».