Turning the tide : registered nurses' job withdrawal intentions in a Finnish university hospital : original research
Notice bibliographique
Résumé
Orientation : Given the global shortage of registered nurses, it is important to investigate the intentions for job withdrawal of nurses, and resolve these, in order to retain nurses in the field. Research purpose : The objective was to examine the intentions for job withdrawal of ageing and younger nurses, and the antecedents of these intentions, with special reference to job control and perceived development opportunities. The age of 45 was adopted as a starting point when referring to ageing employees. Motivation for the study : Different forms of job withdrawal have rarely been studied together and associated. Research design, approach and method : A quantitative study was applied with logistic regression analyses. Respondents were registered nurses working in a university hospital in Finland. The response rate was 46.1% (N = 343). Main findings : A quarter (25%) of the nurses had frequently thought about leaving the profession and 19% of the nurses had thought about taking early retirement. Factors that increased the likelihood of intentions for occupational turnover were young age, low job satisfaction, low organisational commitment, low work ability and skills in balance with or above present work demands. The intention to take early retirement was increased with older age, being male, working shifts, low work ability, low job satisfaction and poor job control. Practical/managerial implications : A nurse's job satisfaction and work ability should be regularly monitored and opportunities should be offered them, to apply their skills and to control their work, in order to retain them. Contribution/value-added : The article added information about the factors that contribute to a nurse's intentions for job withdrawal.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».