Predictors of nurses considering leaving the profession due to work-related stress in a large pediatric and women’s hospital in the United States
Notice bibliographique
Résumé
Nurse retention is of extreme importance in modern healthcare given the ever increasing nursing shortage and the high cost of training newly hired nurses. Research has repeatedly demonstrated that stress is strongly correlated with nursing staff turnover. This study examines the relationship of Secondary Traumatic Stress, Burnout, Compassion Satisfaction, personal life stress and nurse demographic characteristics with having considered leaving the nursing profession due to work-related stress. A survey was administered to nurses at a large pediatric and women’s hospital in the southern United States. Bivariate analyses (n = 496) indicated being Caucasian (p < .001), working fewer hours per week (p = .009), experiencing more personal life stress (p < .001), having higher Burnout (p < .001), or Secondary Traumatic Stress (p < .001) scores or lower Compassion Satisfaction (p = .015) scores were significantly associated with increased likelihood of having considered leaving the nursing profession. In multivariable logistic regression analysis, after variable selection, higher levels of Burnout (p < .001), more life stress (p = .010), being Caucasian (p < .001) and working fewer hours (p = .004) were all significantly associated with higher odds of considering leaving the nursing profession. Interventions to reduce work-related Burnout and help nurses cope with stressful life events are needed to increase retention of nurses in the profession.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 | 0,001 |
| 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 ».