The health system consequences of agency nursing and moonlighting in South Africa
Notice bibliographique
Résumé
BACKGROUND: Worldwide, there is an increased reliance on casual staff in the health sector. Recent policy attention in South Africa has focused on the interrelated challenges of agency nursing and moonlighting in the health sector. OBJECTIVE: This paper examines the potential health system consequences of agency nursing and moonlighting among South African nurses. METHODS: During 2010, a cluster random sample of 80 hospitals was selected in four South African provinces. On the survey day, all nurses providing clinical care completed a self-administered questionnaire after giving informed consent. The questionnaire obtained information on socio-demographics, involvement in agency nursing and moonlighting, and self-reported indicators of potential health system consequences of agency nursing and moonlighting. A weighted analysis was done using STATA(®) 13. RESULTS: In the survey, 40.7% of nurses reported moonlighting or working for an agency in the preceding year. Of all participants, 51.5% reported feeling too tired to work, 11.5% paid less attention to nursing work on duty, and 10.9% took sick leave when not actually sick in the preceding year. Among the moonlighters, 11.9% had taken vacation leave to do agency work or moonlighting, and 9.8% reported conflicting schedules between their primary and secondary jobs. In the bivariate analysis, moonlighting nurses were significantly more likely than non-moonlighters to take sick leave when not sick (p=0.011) and to pay less attention to nursing work on duty (p=0.035). However, in a multiple logistic regression analysis, the differences between moonlighters and non-moonlighters did not remain statistically significant after adjusting for other socio-demographic variables. CONCLUSION: Although moonlighting did not emerge as a statistically significant predictor, the reported health system consequences are serious. A combination of strong nursing leadership, effective management, and consultation with and buy-in from front-line nurses is needed to counteract the potential negative health system consequences of agency nursing and moonlighting.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 source (Gemma direct ou Codex distillé), 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 ».