MétaCan
Menu
Retour à la cohorte
Enregistrement W2020688305 · doi:10.1097/nnr.0b013e31825b69b1

Effective Retention Strategies for Midcareer Critical Care Nurses

2012· article· en· W2020688305 sur OpenAlexaffabout
Vanessa M. Lobo, Anita Fisher, Andrea Baumann, Noori Akhtar‐Danesh

Notice bibliographique

RevueNursing Research · 2012
Typearticle
Langueen
DomaineDecision Sciences
ThématiqueQ Methodology Applications
Établissements canadiensHamilton Health SciencesMcMaster University
Organismes subventionnairesnon disponible
Mots-clésNursingMedicine

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Midcareer nurses continue to be overlooked in the current nursing shortage that is amplified in intensive care units (ICUs) requiring greater numbers of specialized nurses. OBJECTIVES: The aim of this study was to discover what midcareer critical care nurses perceive would be effective retention strategies. METHODS: As a combination of both qualitative and quantitative approaches, Q methodology was used to allow for the development of innovative strategies as well as to provide an understanding of a population of viewpoints and preferences that can guide retention efforts. Forty ICU nurses between the ages of 25 and 44 years from within a Canadian academic health science corporation completed a 45-item Q sort representing their ideas for increasing staff retention. Data were analyzed using centroid factor extraction and varimax rotation in PQMethod version 2.11. RESULTS: Four viewpoints emerged: The Healthy Workplace and Respect Seeker, The Flexibility and Reward Seeker, The Professional Development and Teamwork Seeker, and The Lifestyle Seeker. Correlations between the factors were appropriately weak, with seemingly distinct demographics characterizing each. DISCUSSION: These findings suggest a possible association between perceptions and both years of nursing experience as well as age. Implications from the study include the need to involve frontline nurses in developing strategies that will retain them. Following further investigation of the nurses' preferred strategies, it may be necessary for organizations to develop an array of retention strategies rather than implementing a single solution. In future research, generational preferences and the possible dissonance between nurse managers and frontline nurses' perceptions should be explored.

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)0,011
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 enseignants0,004
Score d'incertitude au seuil0,019

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,011
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0020,001
Communication savante0,0020,001
Science ouverte0,0010,001
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 Opus0,673
Tête enseignante GPT0,684
Écart entre enseignants0,011 · 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

Citations37
Publié2012
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueNursing ResearchMême sujetQ Methodology ApplicationsTravaux en français237 207