MétaCan
Menu
Retour à la cohorte
Enregistrement W3135154321 · doi:10.1111/inr.12668

Surviving the employment gap: a cross‐sectional survey of internationally educated nurses

2021· article· en· W3135154321 sur OpenAlexaffabout
Christine L. Covell, Anu Adhikari, Bukola Salami

Notice bibliographique

RevueInternational Nursing Review · 2021
Typearticle
Langueen
DomaineHealth Professions
ThématiqueGlobal Health Workforce Issues
Établissements canadiensAlberta Health ServicesUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésEarningsDemographic economicsImmigrationWork (physics)BusinessCross-sectional studyNursingSurvey data collectionPsychologyLabour economicsMedicinePolitical scienceEconomicsAccounting

Résumé

récupéré en direct d'OpenAlex

AIM: To examine the extent to which the type of financial assistance (personal resources, social programmes and earnings) and source country influence the length of time for internationally educated nurses to secure employment as regulated nurses in Canada. BACKGROUND: Internationally educated nurses must professionally recertify in order to work as regulated nurses in Canada. For many, it can be a lengthy, cumbersome and costly process that delays employment, while others recertify and secure employment quickly. Financial assistance in the form of personal resources, or from social programmes or earnings from working could contribute to the length of time to recertify. When internationally educated nurses cannot readily recertify, they turn to survival jobs where they can remain and never practice their profession in Canada or leave the country to work in jurisdictions where it easier to obtain professional credentials. METHODS: Data were collected via cross-sectional survey of internationally educated nurses (n = 1186) who were immigrants, permanent residents and employed as regulated nurses. Multiple linear regression was employed to examine the influence of the type of financial assistance (personal resources, social programmes and earnings) and source country on time to regulated nurse employment. RESULTS: Regression model explained 9.3% of variance in time to regulated nurse employment. Three predictors were statistically significant: source country, social programmes and earnings. Personal resources was not a significant predictor. CONCLUSION: Financial assistance helps internationally educated nurses survive the regulated nurse employment gap. The type of financial assistance and source country influences the length of time to regulated nurse employment. IMPLICATION FOR NURSING AND SOCIAL POLICY: Provides initial evidence to support the development of policies, and educational and social programmes to assist internationally educated nurses with financially surviving the gap in regulated nurse employment.

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)0,002
score de la tête « metaresearch » (Gemma)0,004
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
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 enseignants0,305
Score d'incertitude au seuil0,997

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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 Opus0,151
Tête enseignante GPT0,549
Écart entre enseignants0,398 · 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.

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

Citations9
Publié2021
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueInternational Nursing ReviewMême sujetGlobal Health Workforce IssuesTravaux en français237 207