Health care worker trust in the health care system, pre- and post-COVID-19 pandemic: a scoping review protocol
Notice bibliographique
Résumé
OBJECTIVE: The objective of this scoping review is to identify the team, leadership, and organizational characteristics, behaviors, and traits that have created or reduced health care worker trust in the health care system pre- and post-COVID-19 pandemic. A secondary objective is to categorize the findings using the health care ecosystem as a descriptive framework (ie, teams, leadership, organizations, systems). INTRODUCTION: Trusting relationships and trustworthy organizational cultures promote employee well-being, satisfaction, and retention. High levels of trust are associated with ethical and just workplaces as well as high-functioning organizations with enhanced patient experiences. Emerging trust research in a post-pandemic climate correlates high health care worker trust with higher levels of patient trust, suggesting contributions to healthier workplaces and improved patient outcomes. ELIGIBILITY CRITERIA: The population is health care workers, the concept is trust, and the context is the health care system. We will consider all health care workers in any health care setting, in any country or position. All relevant published and unpublished studies will be considered, with no date or language limitations, including all primary studies, gray literature, and textual papers. METHODS: This review will follow the JBI methodology for scoping reviews, including the JBI approach to critical appraisal, study selection, data extraction, and data synthesis. Two reviewers will independently extract data from selected papers using a standardized tool modified for the review. Results will be presented using frequency tables, accompanied by a narrative summary.
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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 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 ».