Effects of absenteeism feedback and goal-setting interventions on nurses’ fairness perceptions, discomfort feelings and absenteeism
Notice bibliographique
Résumé
AIM: A longitudinal field experiment was conducted to test the effects of absenteeism feedback and goal-setting interventions on nurses' (1) fairness perceptions, (2) discomfort feelings and (3) absenteeism. Nurses' obstacles to reducing absenteeism were also explored. BACKGROUND: Absenteeism is a significant issue in health care and there is a need to avoid interventions that are seen to be negative, punitive or lead to sick nurses coming to work. METHOD: Sixty-nine nurses working in a hospital in Eastern Canada received either: (1) absenteeism feedback with individual goal-setting, (2) absenteeism feedback with group goal-setting, or (3) no intervention, and were asked questions about how they could reduce their absenteeism. RESULTS: There was a significant decrease in the total number of days absent but no decrease in absent episodes, and a significant effect on fairness perceptions and discomfort feelings for the nurses in the absenteeism feedback conditions. Six categories of obstacles to reducing absenteeism were identified. CONCLUSIONS: The interventions made nurses feel their absence rate was less fair and to experience greater feelings of discomfort. IMPLICATIONS FOR NURSING MANAGEMENT: The study's interventions may lead to a reduction in absence without the negative outcomes of a harsh absenteeism policy.
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 | 0,001 | 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 ».