Mitigating the Impact of Hospital Restructuring on Nurses
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: A decade of North American hospital restructuring in the 1990s resulted in the layoff of thousands of nurses, leading to documented negative consequences for both nurses and patients. Nurses who remained employed experienced significant negative physical and emotional health, decreased job satisfaction, and decreased opportunity to provide quality care. OBJECTIVE: To develop a theoretical model of the impact of hospital restructuring on nurses and determine the extent to which emotionally intelligent nursing leadership mitigated any of these impacts. METHODS: The sample was drawn from all registered nurses in acute care hospitals in Alberta, Canada, accessed through their professional licensing body (N = 6,526 nurses; 53% response rate). Thirteen leadership competencies (founded on emotional intelligence) were used to create 7 data sets reflecting different leadership styles: 4 resonant, 2 dissonant, and 1 mixed. The theoretical model was then estimated 7 times using structural equation modeling and the seven data sets. RESULTS: Nurses working for resonant leaders reported significantly less emotional exhaustion and psychosomatic symptoms, better emotional health, greater workgroup collaboration and teamwork with physicians, more satisfaction with supervision and their jobs, and fewer unmet patient care needs than did nurses working for dissonant leaders. DISCUSSION: Resonant leadership styles mitigated the impact of hospital restructuring on nurses, while dissonant leadership intensified this impact. These findings have implications for future hospital restructuring, accountabilities of hospital leaders, the achievement of positive patient outcomes, the development of practice environments, the emotional health and well-being of nurses, and ultimately patient care outcomes.
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 | 0,001 | 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 | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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