MétaCan
Menu
Retour à la cohorte
Enregistrement W1977971489 · doi:10.1111/j.1365-2834.2008.00916.x

Are nurses prepared for retirement?

2008· article· en· W1977971489 sur OpenAlexaff
Judith Blakeley, Violeta Ribeiro

Notice bibliographique

RevueJournal of Nursing Management · 2008
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueRetirement, Disability, and Employment
Établissements canadiensMemorial University of Newfoundland
Organismes subventionnairesnon disponible
Mots-clésPreparednessNursingTest (biology)Government (linguistics)PensionWork (physics)Retirement planningPsychologyFinancial planFocus groupMedicineBusinessFinanceMarketingManagement

Résumé

récupéré en direct d'OpenAlex

AIM: This study explored various factors and income sources that registered nurses believe are important in retirement planning. BACKGROUND: In many countries worldwide, many registered nurses are approaching retirement age. This raises concerns related to the level of preparedness of retiring nurses. METHODS: A mail-out questionnaire was sent to 200 randomly selected nurses aged 45 and older. SPSS descriptors were used to outline the data. Multiple t-tests were conducted to test for significant differences between selected responses by staff nurses and a group of nurse managers, educators and researchers. RESULTS: Of 124 respondents, 71% planned to retire by age 60. Only 24% had done a large amount of planning. The top four planning strategies identified were related to keeping healthy and active, both physically and mentally; a major financial planning strategy ranked fifth. Work pensions, a government pension and a personal savings plan were ranked as the top three retirement income sources. No significant differences were found between the staff nurse and manager groups on any of the items. IMPLICATIONS FOR NURSING MANAGERS/CONCLUSIONS: The results of this study suggest that managers' preparation for retirement is no different from that of staff nurses. All nurses may need to focus more on financial preparation, and begin the process early in their careers if they are to have a comfortable and healthy retirement. Nurse managers are in a position to advocate with senior management for early and comprehensive pre-retirement education for all nurses and to promote educational sessions among their staff. Managers may find the content of this paper helpful as they work with nurses to help them better prepare for retirement. This exploratory study adds to the limited amount of research available on the topic.

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)0,004
score de la tête « metaresearch » (Gemma)0,019
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,020

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,019
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,001
Communication savante0,0010,002
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0050,001

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 Opus0,365
Tête enseignante GPT0,478
Écart entre enseignants0,113 · 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'étudeObservationnel
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

Citations33
Publié2008
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Nursing ManagementMême sujetRetirement, Disability, and EmploymentTravaux en français237 207