Staying in nursing: what factors determine whether nurses intend to remain employed?
Notice bibliographique
Résumé
AIM: To test a model of eight thematic determinants of whether nurses intend to remain in nursing roles. BACKGROUND: Despite the dramatic increase in the supply of nurses in England over the past decade, a combination of the economic downturn, funding constraints and more generally an ageing nursing population means that healthcare organizations are likely to encounter long-term problems in the recruitment and retention of nursing staff. DESIGN: Survey. METHOD: Data were collected from a large staff survey conducted in the National Health Service in England between September-December 2009. A multi-level model was tested using MPlus statistical software on a sub-sample of 16,707 nurses drawn from 167 healthcare organizations. RESULTS: Findings were generally supportive of the proposed model. Nurses who reported being psychologically engaged with their jobs reported a lower intention to leave their current job. The perceived availability of developmental opportunities, being able to achieve a good work-life balance and whether nurses' encountered work pressures were also influencing factors on their turnover intentions. However, relationships formed with colleagues and patients displayed comparatively small relationships with turnover intentions. CONCLUSION: The focus at the local level needs to be on promoting employee engagement by equipping staff with the resources (physical and monetary) and control to enable them to perform their tasks to standards they aspire to and creating a work environment where staff are fully involved in the wider running of their organizations, communicating to staff that patient care is important and the top priority of the organization.
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) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,003 |
| 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 ».