Factors that influence the quality of worklife of first-line nurse managers in a French Canadian Healthcare system
Notice bibliographique
Résumé
Aim(s): This quantitative study sought to explore the factors that influence positively and negatively the quality of work life (QWL) of first-line nurse managers (FLNMs) among healthcare institutions from a humanistic standpoint.Background: In Canada, the public healthcare reforms have had a considerable impact on FLNMs, which could have a negative effect on the FLNMs’ QWL.Method: A quantitative descriptive design was conducted with FLNMs (n = 291) using a Web online survey to identify the factors that influenced favorably and unfavorably the FLNMs’ QWL. A statistical analysis (SPSS software, version 22 for Windows 7) of Quebec’s French Web survey questionnaire highlight was used to conduct this descriptive study.Results: The quantitative results show some significant connections between socio-demographic characteristics, such as age and years of experience, and the choice of factors that affect QWL of FLNMs . The most important favourable factors were the actualization of leadership and political skills to improve quality of nursing, the contextual elements conducive to organizational humanization and the organizational support promoting personal and socioprofessional fulfillment. On the opposite, the main unfavourable factors were the organizational dehumanization, the undesirable working conditions in nursing management and the insufficient coaching of novice nurse managers.Conclusion: Healthcare organizations should develop a QWL program and policies to provide information on nursing management humanistic practices. These findings enable us to provide recommendations in the fourth domains of nursing practice.Implications for nursing management: Healthcare administrators must consider strategies to maximize the QWL of the next generation of FLNMs in healthcare institutions.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,004 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 source (Gemma direct ou Codex distillé), 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 ».