MétaCan
Menu
Retour à la cohorte
Enregistrement W4410269776 · doi:10.61186/payesh.24.2.201

Explaining Factors Influencing the Establishment of Health-Promoting Hospitals: A National Study using Path Analysis

2025· article· en· W4410269776 sur OpenAlexaboutno aff
Marzieh Javadi, Fatemeh Rahmati-Najarkolaei, Mahmood Salesi, Maryam Yaghoubi

Notice bibliographique

RevuePayesh (Health Monitor) Journal · 2025
Typearticle
Langueen
DomaineHealth Professions
ThématiqueHealth and Wellbeing Research
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésPath analysis (statistics)Environmental healthPath (computing)MedicineComputer scienceStatisticsMathematics

Résumé

récupéré en direct d'OpenAlex

Objective(s): Following the first statement of health promotion in Ottawa World Summit, a new look on the provision of services by hospitals was born, and Health Promoting Hospitals (HPH) by the World Health Organization was introduced.Hence, this paper aimed to use path analysis to determine the factors influencing the establishment of Health Promoting Hospitals (HPH).Methods: This was a cross-sectional study that was conducted in 2021 using cluster sampling at medical sciences universities in four provinces (Tehran, Gilan, Isfahan, Fars).The study sample included 230 university professors, managers and nursing experts with academic, executive and managerial experiences in health promotion.The research instrument was a self-designed questionnaire.Data analysis was performed using path analysis.Result: The most direct impact was related to the community variable and all direct and indirect relationships (except for the direct impact of planning and evaluation variables) were significant and effective in the establishment of health-promoting hospitals.Conclusions: Considering the direct impact of the community components in establishing a health promoting hospital, it is essential for the staff and team implementing health programs in the hospital to review, identify, and prioritize community health issues and problems.

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)0,006
score de la tête « metaresearch » (Gemma)0,014
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 enseignants0,014
Score d'incertitude au seuil0,032

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0060,014
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,002
Études des sciences et des technologies0,0010,001
Communication savante0,0020,002
Science ouverte0,0010,002
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0050,000

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 Opus0,086
Tête enseignante GPT0,488
Écart entre enseignants0,402 · 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
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePayesh (Health Monitor) JournalMême sujetHealth and Wellbeing ResearchTravaux en français237 207