Analyzing U.S. nurse turnover: Are nurses leaving their jobs or the profession itself?
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
Objective: To examine and compare factors associated with making the decision to vacate a job (organizational turnover) versus leaving the profession (professional turnover) among registered nurses (RN) in the United States (U.S.).Methods: Nationally representative data from the 2008 National Sample Survey of Registered Nurses was used. The sample consisted of 8,796 RNs who held an active RN license as of March 10, 2008, but changed a place of work or left the profession entirely. The analysis has been performed using SAS, version 9.3.Results: The results of binary logistic regression revealed that RNs who reported work-related disability (OR = 14.51; p-value: < .001), illness (OR = 3.32; p-value: < .001), experienced high physical demands (OR = 1.57; p-value: < .001) or burnout (OR = 1.39; p-value: < .001), were unsatisfied with their schedule (OR = 2.16; p-value: < .001), or staffing arrangements (OR = 1.41; p-value: < .001) were more likely to leave the profession. Whereas RNs who reported high levels of stress (OR = 0.59; p-value: < .001) were unsatisfied with the organization’s leadership (OR = 0.22; p-value: < .001), unsatisfied with their opportunity to advance their career (OR = 0.56; p-value: < .001), or were not adequately compensated (OR = 0.63; p-value: < .001), were more likely to leave the organization.Conclusions: Policy makers and health care managers should be aware of the different factors that are associated with RNs’ decision to leave the profession or an organization. Health care managers involved in the development of nurse retention strategies should address organizational leadership and consider development of comprehensive career development programs. Policy makers should consider allocating additional resources to ensure that RN workforce is of adequate size, is qualified, and is able to provide high quality care in the U.S..
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 | 0,002 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,002 |
| 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