A concept analysis of nursing overtime
Notice bibliographique
Résumé
AIM: To report a concept analysis of nursing overtime. BACKGROUND: Economic constraints have resulted in hospital restructuring with the aim of reducing costs. These processes often target nurse staffing (the largest organizational expense) by increasing usage of alternative staffing strategies including overtime hours. Overtime is a multifaceted, poorly defined, and indiscriminately used concept. Analysis of nursing overtime is an important step towards development and propagation of appropriate staffing strategies and rigorous research. DESIGN: Concept analysis. DATA SOURCES: The search of electronic literature included indexes, grey literature, dictionaries, policy statements, contracts, glossaries and ancestry searching. Sources included were published between 1993-2012; dates were chosen in relation to increases in overtime hours used as a result of the healthcare structuring in the early 1990s. Approximately 65 documents met the inclusion criteria. REVIEW METHODS: Walker and Avant's methodology guided the analysis. DISCUSSION: Nursing overtime can be defined by four attributes: perception of choice or control over overtime hours worked; rewards or lack thereof; time off duty counts equally as much as time on duty; and disruption due to a lack of preparation. Antecedents of overtime arise from societal, organizational, and individual levels. The consequences of nursing overtime can be positive and negative, affecting organizations, nurses, and the patients they care for. CONCLUSION: This concept analysis clarifies the intricacies surrounding nursing overtime with recommendations to advance nursing research, practice, and policies. A nursing-specific middle-range theory was proposed to guide the understanding and study of nursing overtime.
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) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| 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 ».