Global prevalence of turnover intention among intensive care nurses: A meta‐analysis
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: Nurse turnover is considered a major cause of nurse shortage, representing problems for health care systems in terms of both quality and cost of care for patients, and intention to leave is the strongest practical predictor variable of actual turnover. AIM: This systematic review and meta-analysis aims at exploring the global prevalence of turnover intention in intensive care nurses. DESIGN: This was a systematic literature review. METHODS: A systematic review of empirical quantitative studies on turnover intention in nurses of intensive care units (ICUs), published in English till March 2021, was conducted. The databases PubMed, Embase, ISI Web of Knowledge, and CINAHL were searched. Eligible studies were observational or descriptive studies that reported the prevalence of turnover intention among nurses in all types of ICUs. The quality of studies was assessed using a modified Newcastle-Ottawa Scale. A random effect meta-analysis was conducted to estimate the pooled prevalence of turnover intention among ICU nurses. RESULTS: We identified 18 cross-sectional studies investigating a total of 23 140 intensive care nurses from 23 countries. The intention to leave rate was ranged from 3.0% to 75.0%. The pooled prevalence of turnover intention was 27.7% (95% confidence interval: 21.6%-34.3%). CONCLUSIONS: This meta-analysis showed that more than 27% of the intensive care nurses had the intention to leave worldwide. In the current context of nursing shortage, efforts should be made to improve conditions for this important group of care providers. RELEVANCE TO CLINICAL PRACTICE: The prevalence of turnover intention is relatively high among intensive care nurses. Nurse managers should take this intention seriously, as the intention to leave may lead to an actual decision to leave the profession.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,003 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 découle