MétaCan
Menu
Retour à la cohorte
Enregistrement W2066145064 · doi:10.12927/cjnl.2006.18599

Leader Empowering Behaviours, Staff Nurse Empowerment and Work Engagement/Burnout

2006· article· en· W2066145064 sur OpenAlexaffvenueabout
Paula Greco, Heather Spence Laschinger, Carol Wong

Notice bibliographique

RevueNursing leadership · 2006
Typearticle
Langueen
DomaineNursing
ThématiqueNursing education and management
Établissements canadiensLondon Health Sciences CentreWestern University
Organismes subventionnairesnon disponible
Mots-clésBurnoutWork engagementEmpowermentNursingPsychologyWork (physics)Test (biology)Nursing shortageEmotional exhaustionEconomic shortageMedicineNurse educationClinical psychologyPolitical science

Résumé

récupéré en direct d'OpenAlex

Efforts to improve nursing working conditions are critical to retaining nurses currently in the system and attracting newcomers to the profession (Laschinger et al. 2003b). The nurse leader's empowering behaviours can be pivotal in the way nurses react to their work environment. The purpose of this study was to test a model examining the relationship between nurse leaders' empowerment behaviours, perceptions of staff empowerment, areas of work life and work engagement using Kanter's theory of structural power in organizations. A cross-sectional correlational survey design tested the model in a random sample of 322 staff nurses in acute care hospitals across Ontario. Overall, staff nurses perceived their leaders' behaviours to be somewhat empowering and their work environment to be moderately empowering. Fifty-three percent reported severe levels of burnout. Leader empowering behaviour had an indirect effect on emotional exhaustion (burnout) through structural empowerment and overall fit in the six areas of work life. The final model statistics revealed a good fit (chi(2)=30.4, chi=3, chi=0.96, chi=0.95, chi=0.95). These findings suggest that the Leader's empowering behaviours can enhance person-job fit and prevent burnout. These findings have important implications in the current nursing shortage.

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)0,002
score de la tête « metaresearch » (Gemma)0,007
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,008
Score d'incertitude au seuil0,017

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,007
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,086
Tête enseignante GPT0,321
Écart entre enseignants0,235 · 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'étudeObservationnel
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

Citations285
Publié2006
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueNursing leadershipMême sujetNursing education and managementTravaux en français237 207