MétaCan
Menu
Retour à la cohorte
Enregistrement W2991745501 · doi:10.3390/ijerph16244921

Occupational Precariousness of Nursing Staff in Catalonia’s Public and Private Nursing Homes

2019· article· en· W2991745501 sur OpenAlexaff
Ana Mari Fité-Serra, Montserrat Gea‐Sánchez, Álvaro Alconada-Romero, José Tomás Mateos, Joan Blanco‐Blanco, E. Barallat Gimeno, Judith Roca, Carles Muntañer

Notice bibliographique

RevueInternational Journal of Environmental Research and Public Health · 2019
Typearticle
Langueen
DomaineHealth Professions
ThématiqueEmployment and Welfare Studies
Établissements canadiensPublic Health OntarioUniversity of Toronto
Organismes subventionnairesUniversitat de Lleida
Mots-clésNursingPsychosocialMedicineTeam nursingScale (ratio)Nursing AssistantPrimary nursingOccupational health nursingWork (physics)Nurse educationNursing homesPublic healthHealth policy

Résumé

récupéré en direct d'OpenAlex

Nursing staff who provide care in the nursing homes of Catalonia have more precarious work conditions, including more demanding schedules and work overload, than those in other areas of care. This situation entails two major problems: Detrimental health results for nurses who face psychosocial and physical risks and a negative impact on the care provided to patients, with a decrease in the quality of care. This study aimed to describe the precarious employment situation of nursing staff in nursing homes. We carried out a descriptive study based on the employment precariousness scale (EPRES), which was administered to a sample of 239 nurses and nursing assistants working in public and private nursing homes in Catalonia. The highest level of job insecurity occurred among nursing assistants and in privately managed nursing homes. The precariousness of the working conditions of nursing staff poses a risk both to the workers themselves and to the people they tend to. For this reason, there is a need for greater knowledge on the scale of the problem and the implementation of appropriate legislative measures to alleviate it.

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)0,003
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 enseignants0,094
Score d'incertitude au seuil0,364

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
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 Opus0,132
Tête enseignante GPT0,487
Écart entre enseignants0,354 · 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

Citations28
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Environmental Research and Public HealthMême sujetEmployment and Welfare StudiesTravaux en français237 207