The mechanisms by which professional development may contribute to critical care nurses' intent to stay
Notice bibliographique
Résumé
The current international nursing shortage is worsening and is particularly acute in critical care settings. In Canada, there is a rapidly aging nursing workforce and at the same time a significant shortfall in the number of new graduates to replace the large numbers of retiring nurses. Intensive Care Units have been shown to have the highest turnover rates and there is currently limited scientific evidence on how to retain critical care nurses. Studies have shown that one of the most commonly listed incentives for this group of nurses is organizational support in the form of access to educational opportunities and career development. This study tested a theoretical Critical Care Nurse Retention model that consisted of a professional development intervention, two mediator variables (perceived organizational support and critical care self-efficacy) and three moderator variables (work environment, general self-efficacy and transfer of learning) as mechanisms that may influence intent to stay in the organization, unit and nursing profession. A quasi-experimental longitudinal design was used in a random sample of 363 critical care nurses from multiple hospital sites in Ontario. The 374-hour intervention included an online component, high fidelity simulation, and a preceptored clinical component. ANCOVA and hierarchical regression were used to analyze the hypothesized model. Findings showed the professional development intervention had a direct effect on intent to stay in the unit and intent to stay in the profession. In addition, the model demonstrated the influence of perceived organizational support as a mediator between the relationship of professional development and intent to stay in the profession. Final analysis revealed that the model explained 23% of the variance in intent to stay in the profession. This research provides new evidence supporting the relevance and importance of investing in professional development opportunities and its subsequent impact on intent to stay.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,004 | 0,030 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 source (Gemma direct ou Codex distillé), 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 ».