MétaCan
Menu
Retour à la cohorte
Enregistrement W4230236293 · doi:10.1037/e676132011-007

Hospital restructuring and downsizing: Effects on nursing staff well-being and perceived hospital functioning

2011· dataset· en· W4230236293 sur OpenAlexafffund
Ronald J. Burke, Eddy S. Ng, Jacob Wolpin

Notice bibliographique

RevuePsycEXTRA Dataset · 2011
Typedataset
Langueen
DomaineSocial Sciences
ThématiqueRetirement, Disability, and Employment
Établissements canadiensYork UniversityDalhousie University
Organismes subventionnairesDalhousie UniversityYork University
Mots-clésRestructuringNursing staffNursingPsychologyMedicineBusinessFinance

Résumé

récupéré en direct d'OpenAlex

The health care system, and hospitals, underwent considerable restructuring and downsizing in the early to mid-1900s in several countries as governments cut costs to reduce their budget deficits.Studies of the effects of these efforts on nursing staff and hospital functioning in various countries generally reported negative impacts.Health care restructuring and hospital downsizing was again being implemented in North America in 2009/2010 as governments struggled to once again reduce deficits at a time of worldwide economic recession.This study examines the relationship of downsizing and restructuring efforts with work and well-being outcomes.Data were collected from over 289 nursing staff working in California hospitals in 2009/2010.This research considers the relationship of number of hospital restructuring initiatives reported by nursing staff with indicators of their work satisfaction and psychological well-being and their perceptions of the impact of these initiatives on aspects of hospital performance.Nurses reported a relatively large number of restructuring and downsizing initiatives during the preceding year.Consistent with findings reported over 15 years ago, nursing staff reporting a greater number of restructuring and downsizing initiatives indicated less favorable work and well-being outcomes and more negative effects on hospital functioning.Some suggestions for more successful approaches to cost reductions are offered.

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)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Études des sciences et des technologies
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Jeu de données · Signal consensuel: Jeu de données
Score de désaccord entre enseignants0,062
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,001
Communication savante0,0010,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,056
Tête enseignante GPT0,362
Écart entre enseignants0,306 · 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'étudeSans objet
Domainenon disponible
GenreJeu de données

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2011
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revuePsycEXTRA DatasetMême sujetRetirement, Disability, and EmploymentTravaux en français237 207