The relationship between quality of work life and location of cross-training among obstetric nurses in urban northeastern Ontario, Canada: A population-based cross sectional study
Notice bibliographique
Résumé
OBJECTIVES: The purpose of this mixed methods study was to examine the quality of work life of registered nurses working in obstetrics at 4 hospitals in northeastern Ontario and explore demographic and occupational factors related to nurses' quality of work life (QWL). MATERIAL AND METHODS: A stratified random sample of registered nurses (N = 111) selected from the 138 eligible registered nurses (80.4%) of staff in the labor, delivery, recovery, and postpartum areas at the 4 hospitals participated. Logistic regression analyses were used to consider QWL in relation to the following: 1) demographic factors, and 2) stress, employment status and educational attainment. RESULTS: In the logistic regression model, the odds of a higher quality of work life for nurses who were cross trained (nurses who can work across all areas of obstetrical care) were estimated to be 3.82 (odds ratio = 3.82, 95% confidence interval: 1.01-14.5) times the odds of a higher quality of work life for nurses who were not cross trained. CONCLUSIONS: This study highlights a relationship between quality of work life and associated factors including location of cross-training among obstetrical nurses in northeastern Ontario. These findings are supported by the qualitative interviews that examine in depth their relationship to QWL. Given the limited number of employment opportunities in the rural and remote regions, it is paramount that employers and employees work closely together in creating positive environments that promote nurses' QWL.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 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 ».