Demographic, Lifestyle, and Physical Health Predictors of Sickness Absenteeism in Nursing: 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: Sickness absenteeism is an area of concern in nursing and is more concerning given the recent impacts of the COVID-19 pandemic on healthcare. This study is one of two meta-analyses that examined sickness absenteeism in nursing. In this study, we examined demographic, lifestyle, and physical health predictors. METHODS: We reviewed five databases (CINAHL, ProQuest Allied, ProQuest database theses, PsycINFO, and PubMed) for our search. We registered the systematic review (CRD de-identified) and followed the Preferred Reporting Items for Systematic Reviews and Meta-Analyses. Additionally, we used the Population/Intervention/Comparison/Outcome Tool to improve our searches. Results: Following quality testing, 17 articles were used for quantitative synthesis. Female employees were at higher risks of sickness absenteeism than their male counterparts (OR = 1.73; 95% CI: 1.33-2.25). Nursing staff who rated their health as poor had a greater likelihood of experiencing sickness absence (OR = 1.38; 95% CI: 1.19-1.60). Also, previous sick leave predicted future leaves (OR = 3.35; 95% CI: 1.37-8.19). Moreover, experiencing musculoskeletal pain (OR = 2.41 95% CI: 1.77-3.27) increased the likelihood of sickness absence with greater odds when it is a back pain (OR = 3.05; 95% CI: 1.66-5.62). Increased age, physical activity, and sleep were not associated with sick leave. CONCLUSION: Several variables were statistically associated with the occurrence of sickness absenteeism. One primary concern is the limited research in this area despite alarming rates of sick leave in healthcare. More research is required to identify predictors of sickness absence, and thereby, implement preventative measures.
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 | 0,003 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,000 |
| Bibliométrie | 0,000 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| 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