MétaCan
Menu
Retour à la cohorte
Enregistrement W2800074901 · doi:10.5430/jha.v7n4p9

Reasons for presenteeism in nurses working in geriatric settings: A qualitative study

2018· article· en· W2800074901 sur OpenAlexvenueno aff
Luke Anthony Fiorini, Amanda Griffiths, Jonathan Houdmont

Notice bibliographique

RevueJournal of Hospital Administration · 2018
Typearticle
Langueen
DomaineHealth Professions
ThématiqueWorkplace Health and Well-being
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésPresenteeismAbsenteeismNursingQualitative researchMedicineHealth careExploratory researchPromotion (chess)PsychologyFamily medicineSocial psychology

Résumé

récupéré en direct d'OpenAlex

Objective: To explore the perceived causes of presenteeism in nurses on geriatric wards.Background: Presenteeism, defined as working when unwell, is associated with lost productivity and increased absenteeism. It is more commonly reported by employees in the healthcare sector than other sectors.Methods: An exploratory, qualitative study using semi-structured interviews, thematically analysed. Data collected via 18 recorded interviews with nurses working with patients on geriatric medical wards in Malta.Results: Four major themes emerged that related to nurses’ decisions to engage in presenteeism: illness perceptions, which included participants’ views and experiences of their own health complaints; attitudes to their employing organisation, co-workers and patients; organisational aspects such as culture and administrative arrangements; and personal reasons including illness behaviour preference and personal circumstances.Conclusions: Nurses’ decisions to attend work when unwell were reported as dependent upon four themes. Further studies are warranted to determine if findings are applicable to nurse populations other than those represented in this study.Implications: Workplace health promotion initiatives should target nurses’ management of their own health, particularly if they have chronic illnesses. Workplace policies and arrangements should be examined with a view to controlling presenteeism.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,010
score de la tête « metaresearch » (Gemma)0,014
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,010
Score d'incertitude au seuil0,053

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0100,014
Méta-épidémiologie (sens strict)0,0000,001
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0050,004
Communication savante0,0030,002
Science ouverte0,0010,003
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,037
Tête enseignante GPT0,458
Écart entre enseignants0,421 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeQualitatif
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations19
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Hospital AdministrationMême sujetWorkplace Health and Well-beingTravaux en français237 207