Mapping the peer-reviewed literature on accommodating nurses’ return to work after leaves of absence for mental health issues: a scoping review
Notice bibliographique
Résumé
BACKGROUND: The complexity of nursing practice increases the risk of nurses suffering from mental health issues, such as substance use disorders, anxiety, burnout, depression, and posttraumatic stress disorder (PTSD). These mental health issues can potentially lead to nurses taking leaves of absence and may require accommodations for their return to work. The purpose of this review was to map key themes in the peer-reviewed literature about accommodations for nurses' return to work following leaves of absence for mental health issues. METHODS: A six-step methodological framework for scoping reviews was used to summarize the amount, types, sources, and distribution of the literature. The academic literature was searched through nine electronic databases. Electronic charts were used to extract code and collate the data. Findings were derived inductively and summarized thematically and numerically. RESULTS: Academic literature is scarce regarding interventions for nurses' return to work following leaves of absence for mental health issues, and most focused on substance use concerns. Search of the peer-reviewed literature yielded only six records. The records were primarily quantitative studies (n = 4, 68%), published between 1997 and 2018, and originated in the United States (n = 6, 100%). The qualitative thematic findings addressed three major themes: alternative to discipline programs (ADPs), peer support, and return to work policies, procedures, and practices. CONCLUSIONS: While the literature supports alternative to discipline programs as a primary accommodation supporting return to work of nurses, more on the effectiveness of such programs is required. Empirical evidence is necessary to develop, maintain, and refine much needed return to work accommodations for nurses after leaves of absence for mental health issues.
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 | 0,068 | 0,274 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,005 | 0,004 |
| Bibliométrie | 0,083 | 0,059 |
| Études des sciences et des technologies | 0,004 | 0,004 |
| Communication savante | 0,009 | 0,011 |
| Science ouverte | 0,004 | 0,008 |
| Intégrité de la recherche | 0,005 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,001 |
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 ».