Examining healthcare staff views and experiences with equity, diversity, and inclusion (EDI) in a multi-disciplinary healthcare setting: A mixed methods needs assessment to advance inclusive excellence
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Equity, diversity, and inclusion (EDI) is increasingly identified as a priority in healthcare organizations and an essential component of high-quality care. However, research on advancing EDI in healthcare workplaces is limited. This study sought to elucidate how to advance inclusive excellence in a clinical department of a comprehensive cancer centre. A mixed-methods quality improvement project was undertaken whereby staff completed an online survey, and a sub-group were interviewed. Quantitative data were summarized using descriptive statistics and univariate regression analyses and qualitative data were analyzed using thematic analysis. 103 of 219 staff/learners completed the survey and 17 staff were interviewed. Over 90% of survey participants agreed EDI should be a priority and 29% had experienced discrimination, which was associated with considering leaving the organization. Facilitators to EDI were: enthusiasm/awareness of EDI, openness to new ideas, gender diversity, and safe environments for self-expression. Barriers to EDI were lack of: EDI knowledge, cohesion/collaboration, psychological safety, diversity along various dimensions, EDI-related communication, and burnout. To advance departmental EDI, initiatives should leverage facilitators and overcome barriers to meet department needs aligning with organizational goals. These findings will inform the development of a story huddle learning series to strengthen EDI-related knowledge and skills.
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.
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 | 0,022 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,014 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,078 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 découle