The impact of characteristics of nurses’ relationships with their supervisor, engagement and trust, on performance behaviours and intent to quit
Notice bibliographique
Résumé
AIMS: The aim of this study was to investigate the influence of characteristics of nurses' relationship quality with their manager on engagement and trust, onto in-role or discretionary behaviours and intent to quit. BACKGROUND: Nurses having a good relationship with their manager are seen as important, yet the mechanisms of how such relationships are beneficial, or which aspects of the relationship are important, is less clear. Two possible mechanisms are through the nurse being more engaged in work, or through building their trust in their employer. In turn, engagement and trust may impact in-role and discretionary behaviours as well as staff retention. DESIGN: Cross-sectional. METHOD: An online survey in 2013 of 459 nurses across Australia. RESULTS: Structural analyses indicated that the affect dimension of relationship quality was negatively related to engagement, whereas contribution and respect were positively related to engagement. The affect and respect aspects were positively related to trust. Engagement positively related to discretionary and in-role behaviours. Engagement and trust were negatively related to quit intention, as was the loyalty dimension of the nurses' relationship with their supervisor. However, perceptions of variability in their team's relationship quality with their leader was negatively related to trust and positively related to intent to quit. CONCLUSIONS: Nurse managers with a nuanced understanding of social exchange at work are likely to maintain more engaged, well-performing and stable nursing teams. In particular, a willingness by the supervisor to come to their nurses' defence and having a consistent standard of relationship quality across their nurses is likely to improve nurse retention.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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 ».