Turnover of regulated nurses in long-term care facilities
Notice bibliographique
Résumé
AIMS: To describe the relationship between nursing staff turnover in long-term care (LTC) homes and organisational factors consisting of leadership practices and behaviours, supervisory support, burnout, job satisfaction and work environment satisfaction. BACKGROUND: The turnover of regulated nursing staff [Registered Nurses (RNs) and Registered Practical Nurses (RPNs)] in LTC facilities is a pervasive problem, but there is a scarcity of research examining this issue in Canada. METHODS: The study was conceptualized using a Stress Process model. Distinct surveys were distributed to administrators to measure organisational factors and to regulated nurses to measure personal and job-related sources of stress and workplace support. In total, 324 surveys were used in the linear regression analysis to examine factors associated with high turnover rates. RESULTS: Higher leadership practice scores were associated with lower nursing turnover; a one score increase in leadership correlated with a 49% decrease in nursing turnover. A significant inverse relationship between leadership turnover and nurse turnover was found: the higher the administrator turnover the lower the nurse turnover rate. CONCLUSION: Leadership practices and administrator turnover are significant in influencing regulated nurse turnover in LTC. IMPLICATIONS FOR NURSING MANAGEMENT: Long-term care facilities may want to focus on building good leadership and communication as an upstream method to minimize nurse turnover.
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 | 0,000 | 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 | 0,000 | 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 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 ».