Quality improvement in hospital: How knowledge and attitude affect job performance across different professional groups
Notice bibliographique
Résumé
Objective: Improving the performance of healthcare organizations is a major concern within health systems. This study aims to explore the relationship between hospital staff’s knowledge and attitudes about continuous quality improvement (CQI) and their perceived job performance while determining if professional groups moderate this relationship.Methods: A total of 250 questionnaires were distributed among three main job groups at a public hospital in Iran. Statistical analysis included variance-based structural equation modeling and Pearson correlation coefficients.Results: Of the 250 distributed questionnaires, 196 were returned (response rate: 78%). The path coefficient between staff knowledge and performance was 0.390 higher in the physician group than in the non-physician group, and 0.207 higher in the administrative-financial group. The path coefficient for the non-physician group was 0.120 higher than that of the administrativefinancial group. For staff attitudes and performance, the path coefficient was 0.160 higher in the physician group than in the non-physician group, and 0.090 higher than in the administrative-financial group. The administrative-financial group had a 0.070 higher path coefficient than the non-physician group.Conclusions: The study indicates positive relationships between hospital employees’ knowledge and attitudes about quality improvement and their job performance. These relationships were not significantly moderated by professional groups.
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 | 0,001 | 0,000 |
| 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 | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,002 |
| 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 ».