MétaCan
Menu
Retour à la cohorte
Enregistrement W2121745259 · doi:10.1111/j.1525-1446.2009.00801.x

Work Setting, Community Attachment, and Satisfaction Among Rural and Remote Nurses

2009· article· en· W2121745259 sur OpenAlexafffundabout
Judith C. Kulig, Norma J. Stewart, Kelly Penz, Dorothy Forbes, Debra Morgan, Paige Emerson

Notice bibliographique

RevuePublic Health Nursing · 2009
Typearticle
Langueen
DomaineNursing
ThématiqueNursing education and management
Établissements canadiensFraser HealthCanadian Rural Health Research SocietyWestern UniversityUniversity of SaskatchewanUniversity of Lethbridge
Organismes subventionnairesCanadian Health Services Research Foundation
Mots-clésPublic health nursingNursingWork (physics)PsychologyMedicinePublic healthEngineering

Résumé

récupéré en direct d'OpenAlex

OBJECTIVES: To describe community satisfaction and attachment among rural and remote registered nurses (RNs) in Canada. DESIGN AND SAMPLE: Cross-sectional survey of rural and remote RNs in Canada as part of a multimethod study.The sample consisted of a stratified random sample of RNs living in rural areas of the western country and the total population of RNs who worked in three northern regional areas and those in outpost settings. A subset of 3,331 rural and remote RNs who mainly worked in acute care, long-term care, community health, home care, and primary care comprised the sample. MEASURES: The home community satisfaction scale measured community satisfaction, whereas single-item questions measured work community satisfaction and overall job satisfaction. Community variables were compared across practice areas using analysis of variance, whereas a thematic analysis was conducted of the open-ended questions. RESULTS: Home care and community health RNs were significantly more satisfied with their work community than RNs from other practice areas. RNs who grew up in rural communities were more satisfied with their current home community. Four themes emerged from the open-ended responses that describe community satisfaction and community attachment. CONCLUSIONS: Recruitment and retention strategies need to include mechanisms that focus on community satisfaction, which will enhance job satisfaction.

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)0,001
score de la tête « metaresearch » (Gemma)0,003
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 enseignants0,268
Score d'incertitude au seuil0,532

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0010,000
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,036
Tête enseignante GPT0,369
Écart entre enseignants0,332 · 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

Citations41
Publié2009
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revuePublic Health NursingMême sujetNursing education and managementTravaux en français237 207