Meta-analysis of nursing-related organizational and psychosocial predictors of sickness absence
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
BACKGROUND: Nursing is a stressful occupation with high rates of sickness absence. To date, there are no meta-analyses that statistically determined the correlates of sickness absence in this population. AIMS: This meta-analysis examined organizational and psychosocial predictors of sickness absence among nursing staff. METHODS: As a registered systematic review (PROSPERO: CRD42017071040), which followed the Preferred Reporting Items for Systematic Reviews and Meta-Analyses, five databases (CINAHL, PROQuest Allied, PROQuest database theses, PsycINFO, PubMed) were reviewed to examine predictors of sickness absence in nurses and nursing assistants between 1990 and 2019. The Population/Intervention/Comparison/Outcome tool was used to support our searches. Effect sizes were analysed using random-effects model. RESULTS: Following critical appraisals using (i) National Institutes of Health's Quality Assessment Tool for Observational Cohort and Cross-Sectional Studies and (ii) Strengthening the Reporting of Observational Studies in Epidemiology, 21 studies were included. Nursing assistants had greater odds of sickness absence than nurses. Working night shifts, in paediatrics or psychiatric units, experiencing poor mental health, and fatigue, also increased the odds of sickness absence. There was no evidence that job satisfaction or job strain influenced sickness absence; however, job demand increased the likelihood. Finally, work support reduced the odds of lost-time. CONCLUSIONS: We synthesized three decades of research where several factors influenced sickness absence. Due to limited recent research, the results should be interpreted with caution as some practices may have changed overtime or between countries. Nevertheless, these findings could help in applying preventative strategies to mitigate lost-time in a vulnerable working population.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,005 | 0,001 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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