Unveiling the veil: Exploring experiences of patient-initiated workplace violence in long-term care and mental health and substance use settings
Notice bibliographique
Résumé
BackgroundThis paper focuses on patient-initiated workplace violence (referred to WPV hereafter) towards healthcare workers in long-term care (LTC) and mental health and substance use (MHSU) care settings. While an extensive body of evidence has thoroughly examined WPV, our understanding of what takes place immediately before or during a violent incident, known as 'on-the-spot' experiences is limited.ObjectiveThis study examined (a) 'on-the-spot' experiences, (b) contributing factors, and (c) warning signs of impending WPV using the experiences of healthcare worker victims and witnesses and healthcare attendees in LTC and MHSU.MethodsThe study was conducted in one LTC home and two MHSU units in British Columbia, Canada. In-depth semi-structured virtual interviews were conducted with 16 participants from June to September 2023. Workplace Health Indicator Tracking and Evaluation (WHITE) data included 38 WPV incidents occurring between January 2022 to March 2023. Data were analyzed using thematic analysis.ResultsSix participants (35%) identified as both victims and witnesses of WPV, four participants (24%) as only victims, five participants (29%) as only witnesses, and one participant (6%) as neither a victim nor a witness." Contributing factors to WPV encompassed two main themes and their subthemes: (1) patient/resident factors (cognitive impairment and neurodevelopmental conditions); (2) healthcare factors (lack of continuity of care across healthcare, community and family, care provision, approaches and skills in interactions with patients/residents, access to safety tools and security personnel, and unmet needs and workload and human resource challenges).ConclusionWPV may be reduced through access to specialized care, adoption of team-based care and person-centered care approaches, addressing resource constraints, and offering context-specific training.
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 | 0,006 | 0,011 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,008 | 0,010 |
| Communication savante | 0,006 | 0,006 |
| Science ouverte | 0,002 | 0,012 |
| Intégrité de la recherche | 0,002 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».