How Does the Workplace Environment Affect the Health and Decision of Registered Nurses to Remain in Critical Care?
Notice bibliographique
Résumé
Background. Retaining registered nurses (RNs) in critical care environments (CCEs) face many challenges. Firstly, these settings have exceptional demands of staff because of higher environmental stress, higher patient acuity, and higher patient mortality rates relative to other nursing units. Secondly, the combination of stressors in CCEs can have significant effects on providers’ health, which can lead to high voluntary turnover rates. This can aggravate an already difficult situation, which requires, at substantial human and financial cost, the preparation of new, and often less experienced RNs to care for some of the most vulnerable patients. Aim. The study aims to understand the relationship of critical care RNs’ perceived CCEs, workloads, their health, and their intention to stay in their current employment setting. The dearth of research available concerning these relationships leaves the search for solutions without sufficient empirical data to inform strategies that would retain these highly-trained providers. Research Methods. A cross-sectional study assessed the interaction of RNs’ work environment, their health, and their intent to stay in the CCE. Data was obtained from a sample of 302 critical care RNs across Alberta, Canada, which allowed for negative binomial and logistic regression modelling analyses. RNs were also asked what interventions would optimize their work environment and retain their critical care services. Results. Critical care RNs who scored their CCEs higher had lower sick time incidence and decreased intention to leave. Other important factors for RNs’ decision to stay in the CCE included their workload, increased educational opportunities, and increased availability of part-time scheduling. Conclusions. This study results showed strong positive relationships between CCEs, RNs’ health, and RNs’ turnover intention. RNs specifically request workload optimization, increased flexibility with shift rotations, and increased education opportunities on their units to optimize the environment and retain their services. Given the high demands associated with such services, decision-makers should consider these findings when anticipating the needs of RNs and patients. This would, at the very least, assure RNs that hospitals care as much for their health as the patients that RNs serve.
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 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».