Moving On? Predictors of Intent to Leave Among Rural and Remote RNs in Canada
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
CONTEXT: Examination of factors related to the retention or voluntary turnover of Registered Nurses (RNs) has mainly focused on urban, acute care settings. PURPOSE: This paper explored predictors of intent to leave (ITL) a nursing position in all rural and remote practice settings in Canada. Based on the conceptual framework developed for this project, potential predictors of ITL were related to the individual RN worker, the workplace, the community context, and satisfaction related to both the workplace and the community(s) within which the RN lived and worked. METHODS: A national cross-sectional mail survey of RNs in rural and remote Canada provided the data (n = 3,051) for the logistic regression analysis of predictors of ITL. FINDINGS: We found that RNs were more likely to plan to leave their nursing position within the next 12 months if they: were male, reported higher perceived stress, did not have dependent children or relatives, had higher education, were employed by their primary agency for a shorter time, had lower community satisfaction, had greater dissatisfaction with job scheduling, had lower satisfaction with their autonomy in the workplace, were required to be on call, performed advanced decisions or practice, and worked in a remote setting. CONCLUSIONS: The statistical evidence for predictors of ITL supported our framework with determinants related to the individual, the workplace, the community, and satisfaction levels. The importance of community makes this framework uniquely relevant to the rural health context. Our findings should guide policy makers and employers in developing retention strategies.
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 | 0,003 | 0,000 |
| 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 | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| 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