Development and Validation of the Strengths-Based Nursing and Healthcare Leadership Scale
Notice bibliographique
Résumé
Introduction: The healthcare system is currently facing significant human resource challenges. Strengths-Based Nursing and Healthcare Leadership (SBNH-L), a unique, value-driven leadership approach, holds great potential in creating healthy workplaces in healthcare. Objective: To develop and validate a scale to measure SBNH-L. Methods: The development and validation of the SBNH-L scale followed a rigorous process including 3 stages: 1) Item generation, 2) Scale development, and 3) Construct validation. For construct validation, a quantitative psychometric design, with two cross-sectional samples, was used (the first sample in February 2021, n = 194 North American healthcare managers and the second sample in April 2022, n = 357 Canadian healthcare workers). Results: The scale showed good psychometric properties (notably, Cronbach’s alphas ranged from .73 to .96) as well as evidence of construct validity; data showed satisfactory fit with the hypothesized 8-factor structure (χ2 = 747.43, df = 224, p<.001), and one-factor long (χ2 = 811.87, df = 252, p <.001) and short versions (χ2 = 97.70, df = 20, p <.001). The scale predicted organizational support (r =.40, p < .01) and work satisfaction of workers (r = .51, p < .01), two key outcomes, beyond other common leadership approaches. Discussion and Conclusion: The SBNH-L Scale is theoretically and structurally strong: the principal component analysis and the confirmatory factorial analyses results aligned with SBNH-L theory and the SBNH-L Scale demonstrated high internal consistency. The scale provides a unique way to tap into the protective potential of SBNH-L and can be used for evaluative and formative purposes of healthcare leaders and their organizations.
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 | 0,002 | 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 | 0,001 | 0,001 |
| 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 ».