A qualitative study of experienced nurses' voluntary turnover: learning from their perspectives
Notice bibliographique
Résumé
AIMS AND OBJECTIVES: The purpose of this research was to critically examine the factors that contribute to turnover of experienced nurses' including their decision to leave practice settings and seek alternate nursing employment. In this study, we explore experienced nurses' decision-making processes and examine the personal and environmental factors that influenced their decision to leave. BACKGROUND: Nursing turnover remains a pressing problem for healthcare delivery. Turnover contributes to increased recruitment and orientation cost, reduced quality patient care and the loss of mentorship for new nurses. DESIGN: A qualitative, interpretive descriptive approach was used to guide the study. METHODS: Interviews were conducted with 12 registered nurses, averaging 16 years in practice. Participants were equally represented from an array of acute care inpatient settings. The sample drew on perspectives from point-of-care nurses and nurses in leadership roles, primarily charge nurses and clinical nurse educators. RESULTS: Nurses' decisions to leave practice were influenced by several interrelated work environment and personal factors: higher patient acuity, increased workload demands, ineffective working relationships among nurses and with physicians, gaps in leadership support and negative impacts on nurses' health and well-being. Ineffective working relationships with other nurses and lack of leadership support led nurses to feel dissatisfied and ill equipped to perform their job. The impact of high stress was evident on the health and emotional well-being of nurses. CONCLUSIONS: It is vital that healthcare organisations learn to minimise turnover and retain the wealth of experienced nurses in acute care settings to maintain quality patient care and contain costs. RELEVANCE TO CLINICAL PRACTICE: This study highlights the need for healthcare leaders to re-examine how they promote collaborative practice, enhance supportive leadership behaviours, and reduce nurses' workplace stressors to retain the skills and knowledge of experienced nurses at the point-of-care.
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 | 0,002 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 ».