The first year: employment patterns and job perceptions of nursing assistants in a rural setting
Notice bibliographique
Résumé
AIM: The aim of this study was to follow rural certified nursing assistants (CNAs) (n=123) in the United States for 1 year post-training to identify retention and turnover issues in the long-term care (LTC) setting by exploring the CNAs' perceptions of the LTC work experience. BACKGROUND: Turnover among CNAs impacts the quality of care, imposes a financial burden on facilities and taxpayers, and creates increased stress and workloads on those who remain. METHOD: A longitudinal survey design was used to track individuals completing CNA training for 1 year. RESULTS: At 1 year post-training, 53.7% of respondents currently worked in LTC, 30.9% worked in LTC and left, and the remaining 15.4% never worked in LTC. CONCLUSION: While the training site does not appear to impact retention, the first 6 months of employment appear critical. The CNAs cited pay as a reason for leaving LTC, but better pay did not characterize the jobs taken by the CNAs who left. Implications for nursing management. This study highlights the importance of the first 6 months of employment to retention and provides practical information for nurse managers evaluating the resource-effectiveness of hosting training programmes. Additionally, the key issues influencing retention were identified and practical suggestions for nurse managers to improve retention are provided.
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 | 0,000 |
| 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 | 0,001 | 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 ».