MétaCan
Menu
Retour à la cohorte
Enregistrement W4407027773 · doi:10.62754/joe.v3i8.6160

Factors Related To Nurses' Hospital Management And Work Engagement In The Radiology Department

2024· article· en· W4407027773 sur OpenAlexaff
Mohamed A. Ismail, Aisha Abdullah Alhopish, SAMEER HELAL ALROBAIE, Houda Bander Alenezy, Bashayer saleam Alrefai, Fatimah Abdullah Alhabeshi, Manal abdullah ALhobashi, Afnan fadulallah Qari, Khalid A. Al‐Ghamdi

Notice bibliographique

RevueJournal of Ecohumanism · 2024
Typearticle
Langueen
DomaineNursing
ThématiqueHealthcare Education and Workforce Issues
Établissements canadiensInnovation Cluster (Canada)
Organismes subventionnairesnon disponible
Mots-clésWork (physics)Work engagementMedicineNursingMedical emergencyMedical educationEngineering

Résumé

récupéré en direct d'OpenAlex

Background: Work engagement is critical for nurse performance and well-being, particularly in specialized areas such as radiology, where occupational hazards like radiation exposure and high-stress environments are prevalent. Despite the increasing demand for radiological nursing care, many nurses express reluctance to work in radiology due to health concerns and limited support systems. Methods: This study was conducted among nurses working in radiology departments of cancer care hospitals . Data were collected using a demographic questionnaire, the Utrecht Work Engagement Scale (UWES), and a survey assessing perceptions of radiation safety. Descriptive and multiple regression analyses were performed to identify factors influencing work engagement. Results: Out of 200 participants, the mean UWES score was 54.3 (SD = 18.4), reflecting moderate work engagement. Absorption scored slightly higher than vigor and dedication. Key predictors of engagement included nurses’ preference for radiology assignments and the availability of radiation exposure consultation services. While nurses reported confidence in workplace safety measures, gaps in consultation services and education about long-term risks were noted. Demographic factors, such as age and professional position, also played a role in engagement levels. Conclusion: Work engagement among radiology nurses is influenced by a complex interplay of individual preferences and organizational factors. Enhancing consultation services, providing targeted training, and implementing specialized support programs are essential strategies for fostering engagement in high-stress environments. Further research is needed to develop tailored interventions to address these challenges and improve outcomes in radiology nursing.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,016
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,013

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,016
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0010,000
Science ouverte0,0010,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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.

Tête enseignante Opus0,035
Tête enseignante GPT0,351
Écart entre enseignants0,315 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of EcohumanismMême sujetHealthcare Education and Workforce IssuesTravaux en français237 207