MétaCan
Menu
Retour à la cohorte
Enregistrement W2903230567 · doi:10.4037/ccn2018616

Critical Care Nurses’ Reasons for Working or Not Working Overtime

2018· article· en· W2903230567 sur OpenAlexaffabout
Vanessa M. Lobo, Jenny Ploeg, Anita Fisher, Gladys Peachey, Noori Akhtar‐Danesh

Notice bibliographique

RevueCritical Care Nurse · 2018
Typearticle
Langueen
DomaineNursing
ThématiqueNursing education and management
Établissements canadiensMcMaster University
Organismes subventionnairesnon disponible
Mots-clésOvertimeNoticeNursingFeelingMedicineWork (physics)PsychologySocial psychology

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Around the world, registered nurses are working increasing amounts of overtime. This is particularly true in critical care environments, which experience unpredictable fluctuations in patient volume and acuity, combined with a need for more specialized nurses. OBJECTIVE: To explore critical care nurses' reasons for working or not working overtime. METHODS: A semistructured interview guide was used to interview 28 frontline nurses from 11 critical care units in Ontario, Canada. Analysis was guided by Thorne's interpretive description methodology. RESULTS: Participants' reasons for working overtime included (1) financial gain (96% of participants); (2) helping and being with colleagues (68%); (3) continuity for nurses and patients (39%); and (4) accelerated career development (39%). Their reasons for not working overtime were (1) feeling tired and tired of being at work (50%); (2) having established plans (71%); and (3) not receiving enough notice (61%). CONCLUSIONS: Findings from this study provide important variations and extension of existing literature on the topic, and appear to be the first reported in Canadian critical care units. Additional research is required to understand administrative decision-making processes that lead to the use of overtime.

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)0,006
score de la tête « metaresearch » (Gemma)0,025
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,143
Score d'incertitude au seuil0,284

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0060,025
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0040,002
Communication savante0,0010,001
Science ouverte0,0010,002
Intégrité de la recherche0,0010,001
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 Opus0,058
Tête enseignante GPT0,401
Écart entre enseignants0,343 · 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

Citations8
Publié2018
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueCritical Care NurseMême sujetNursing education and managementTravaux en français237 207