Creating Empowering Conditions for Nurses with Workplace Autonomy and Agency: How Healthcare Leaders Could Be Guided by Strengths-Based Nursing and Healthcare Leadership (SBNH-L)
Notice bibliographique
Résumé
The COVID-19 pandemic had the unintended consequence of placing nurses in the spotlight because their knowledge and skills were in desperate need. While it will be years until we fully understand the impact that this pandemic has exacted on the nursing workforce, early studies have found that nurses have been traumatized by this event and many intend to leave the profession This seismic event only further exacerbated an already vulnerable and strained nursing workforce that pre-existed worldwide prior to COVID-19. The pandemic also highlighted the many challenges facing nursing leadership, in particular, how to create conditions to maintain and sustain a healthy nursing workforce. Nurses' job satisfaction has emerged as an important predictor of whether nurses remain in an organization and stay in the profession. When examined more closely, job satisfaction has been related to nurses feeling empowered to exercise autonomy over their own practice and having agency. Autonomy and agency, in turn, are affected by their managers' leadership styles. Leaders are instrumental in setting the tone and creating the climate and culture that either values or devalues autonomy and agency. To help leaders create empowering conditions, we have developed a guide for leaders. This guide, based on the value-driven philosophy of leadership called Strengths-Based Nursing and Healthcare Leadership (SBNH-L), is founded on principles of person-centered, empowerment, relationship-focused, and innate capacities (ie, strengths) that are operationalized in eight core values. This guide can be used by leaders as their roadmap to create empowering workplace conditions that value and facilitate nurses' autonomy and agency.
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 | 0,004 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,006 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,004 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,003 | 0,009 |
| 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».