Predictors of new graduate nurses’ workplace well-being
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
BACKGROUND: New graduate nurses currently experience a stressful transition into the workforce, resulting in high levels of burnout and job turnover in their first year of practice. PURPOSE: This study tested a theoretical model of new graduate nurses' worklife derived from the job demands-resources model to better understand how job demands (workload and bullying), job resources (job control and supportive professional practice environments), and a personal resource (psychological capital) combine to influence new graduate experiences of burnout and work engagement and, ultimately, health and job outcomes. METHODOLOGY/APPROACH: A descriptive correlational design was used to test the hypothesized model in a sample of newly graduated nurses (N = 420) working in acute care hospitals in Ontario, Canada. Data were collected from July to November 2009. Participants were mailed questionnaires to their home address using the Total Design Method to improve response rates. All variables were measured using standardized questionnaires, and structural equation modeling was used to test the model. FINDINGS: The final model fit statistics partially supported the original hypothesized model. In the final model, job demands (workload and bullying) predicted burnout and, subsequently, poor mental health. Job resources (supportive practice environment and control) predicted work engagement and, subsequently, lower turnover intentions. Burnout also was a significant predictor of turnover intent (a crossover effect). Furthermore, personal resources (psychological capital) significantly influenced both burnout and work engagement. PRACTICE IMPLICATIONS: The model suggests that managerial strategies targeted at specific job demands and resources can create workplace environments that promote work engagement and prevent burnout to support the retention and well-being of the new graduate nurse population.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 | 0,000 |
| 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 découle