MétaCan
Menu
Retour à la cohorte
Enregistrement W2945195413 · doi:10.1111/jonm.12803

Emigration and job security: An analysis of workforce trends for Spanish‐trained nurses (2010–2015)

2019· article· en· W2945195413 sur OpenAlexaff
Paola Galbany‐Estragués, Pere Millán‐Martínez, María del Mar Pastor Bravo, Sioban Nelson

Notice bibliographique

RevueJournal of Nursing Management · 2019
Typearticle
Langueen
DomaineHealth Professions
ThématiqueGlobal Health Workforce Issues
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésJob securityEmigrationWorkforceAccreditationBusinessNursingHealth careWork (physics)Nursing managementWorkforce planningMedicinePolitical scienceEconomic growthMedical educationEconomics

Résumé

récupéré en direct d'OpenAlex

AIM: To analyse the relationship between Spanish nurses' intention to migrate and job security. BACKGROUND: Nursing emigration from Spain increased dramatically between 2010 and 2013. By 2015, emigration had returned to 2010 levels. METHODS: Single embedded case study. We examined publicly available statistics to test for a relationship between job security and applications by Spanish nurses to have credentials recognized for emigration purposes. RESULTS: Between 2010 and 2015, job security worsened, with poor access to the profession for new graduates, increased rate of professional dropout, increased nursing jobseekers and falling numbers of permanent contracts. CONCLUSIONS: The number of accreditation applications in Spain in 2010 and 2015 was very similar, but job security worsened on a number of fronts. The distribution of work through part-time contracts aided retention. IMPLICATIONS FOR NURSING MANAGEMENT: Policymakers and health care administrators can benefit from understanding the relationship between mobility, workforce planning and the availability of full-time, part-time and short-term contract work in order to design nursing retention programmes and ensure the sustainability of the health care system.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,326
Score d'incertitude au seuil0,628

Scores Codex et Gemma par catégorie

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

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 Opus0,054
Tête enseignante GPT0,464
Écart entre enseignants0,410 · 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 tête enseignante, pas un consensus.

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

Citations22
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Nursing ManagementMême sujetGlobal Health Workforce IssuesTravaux en français237 207