Factors affecting job satisfaction among acute care nurses working in rural and urban settings
Notice bibliographique
Résumé
AIMS: To: (a) identify the differences and similarities in the extrinsic and intrinsic factors that influence job satisfaction among nurses in urban and rural Ontario; and (b) determine the impact of job satisfaction on nurses' turnover intention among nurses working in rural and urban settings in Ontario. DESIGN: Cross-sectional correlational design was used for this study. METHODS: Data were collected between May 2019-July 2019 in southern Ontario. Participants (N=349) completed the Acute Care Nurses' Job Satisfaction Scale and The Anticipated Turnover Scale. A stratified sampling technique was used for recruiting the sample population and participants were given the option to respond either online or by mailed survey. RESULTS: There was no significant difference between rural and urban nurses in either overall job satisfaction level or turnover intention. Peer support/work conditions, quality of supervision, and achievement/job interest/responsibility were significant predictors of job satisfaction. There was a significant difference between rural and urban nurses in terms of satisfaction from benefits and job security and the nurses' job satisfaction levels correlated negatively with their turnover intention. CONCLUSION: Several extrinsic and intrinsic factors are associated with nurses' job satisfaction in rural and urban settings. Developing strategies that improve satisfaction by modulating these specific factors may improve nurses' job satisfaction and reduce turnover. IMPACT: This study discussed how working in a rural or urban hospital may affect nurses' job satisfaction and turnover intention. The findings can help in improving nurses' job satisfaction and inform workforce planning to increase nurses' retention.
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 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 | 0,000 | 0,000 |
| 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 | 0,000 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».