Factors related to perioperative nurses' job satisfaction and intention to leave
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
AIM: This study investigated factors associated with perioperative nurses' job satisfaction and their intention to leave. Recruitment and retention of nurses are particularly important in a specialist environment such as the perioperative setting where it is especially difficult to attract and retain nurses due to its unique environment. METHODS: Cross-sectional data were drawn from a larger study on nurses' work environments, conducted in one province of Canada. An e-survey tool, consisting of validated scales, was administered by the provincial nurses' union to a stratified random sample of registered nurses. The study sample consisted of 113 perioperative nurses working in acute-care hospitals. This study included two outcome variables (job satisfaction and intention to leave) and five predictor variables (three aspects of work environment, workload, and emotional exhaustion). Data were analyzed using multivariate linear and logistic regressions. RESULTS: ) of the variance in their intent to leave. After controlling for work status and other predictors, nurse-physician relationship was significantly related to nurses' job satisfaction, and emotional exhaustion was the key predictor for both outcome variables. CONCLUSIONS: This study demonstrated that higher emotional exhaustion is associated with decreased job satisfaction and increased intention to leave among perioperative nurses. The findings suggest that nurse managers should create an empowering and open work environment that fosters perioperative nurses' job satisfaction and reduces their intention to leave.
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.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 découle