MétaCan
Menu
Retour à la cohorte
Enregistrement W1965850800 · doi:10.12927/cjnl.2010.21940

Working in Canada or the United States: Perceptions of Canadian Nurses Living in a Border Community

2010· article· en· W1965850800 sur OpenAlexaffvenueabout
Sheila Cameron, Marjorie Armstrong‐Stassen, Dale Rajacich, Michelle Freeman

Notice bibliographique

RevueNursing leadership · 2010
Typearticle
Langueen
DomaineHealth Professions
ThématiqueGlobal Health Workforce Issues
Établissements canadiensUniversity of Windsor
Organismes subventionnairesnon disponible
Mots-clésStaffingWorkloadNursingPersonnel selectionWork (physics)Nursing shortagePsychologyPerceptionEconomic shortagePolitical scienceMedicineNurse educationManagement

Résumé

récupéré en direct d'OpenAlex

Recruitment and retention of registered nurses is a critical issue facing nursing leaders. Global shortages of nurses have been projected over the next decade. This study used the theoretical framework of push and pull factors to identify influences on nurses' decision to select work in either their home community or a cross-border community, when that opportunity was available to them. Registered nurses living along the southwest border of Ontario were identified with the assistance of the College of Nurses of Ontario (CNO) and surveyed to determine the factors that influenced their decision to work in Canada or the United States, as well as their intent to remain in their current workplace. Measures included demographic information, reasons for selection of employment, and work environment factors relating to nurses' jobs, work relationships, scheduling/staffing, workload and attachment to their current place of employment. MANCOVA was used to examine differences between the two groups controlling for age, organizational tenure and employment status. Full-time employment was the greatest push factor identified by RNs, and nurses working in the United States were also more satisfied with the pull factors of development opportunities, relationships with physicians and supervisors, and scheduling congruence. Recommendations for recruitment and retention are discussed.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,018
Score d'incertitude au seuil0,130

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0100,002
Communication savante0,0030,001
Science ouverte0,0010,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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.

Tête enseignante Opus0,269
Tête enseignante GPT0,437
Écart entre enseignants0,168 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeQualitatif
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations2
Publié2010
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueNursing leadershipMême sujetGlobal Health Workforce IssuesTravaux en français237 207