Notice bibliographique
Résumé
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 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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».