MétaCan
Menu
Retour à la cohorte
Enregistrement W4236890826 · doi:10.12927/cjnl.2010.21597

Canadian Oncology Nurse Work Environments: Part I

2010· article· en· W4236890826 sur OpenAlexafffundvenueabout
Debra Bakker, J. Michael Conlon, Margaret I. Fitch, Esther Green, Lorna Butler, Kärin Olson, Greta G. Cummings

Notice bibliographique

RevueNursing leadership · 2010
Typearticle
Langueen
DomaineHealth Professions
ThématiqueWorkplace Health and Well-being
Établissements canadiensLaurentian University
Organismes subventionnairesCanadian Institutes of Health Research
Mots-clésOncology nursingWork (physics)NursingNurse AdministratorMedicineMEDLINENurse educationPsychologyPolitical scienceEngineering

Résumé

récupéré en direct d'OpenAlex

The global nursing shortage and statistics indicating a steady increase in the cancer patient workload suggest that the recruitment and retention of oncology nurses is and will be a serious problem. The purpose of this research study was to examine oncology nursing work environments in Canada and to determine the presence of workplace and professional practice factors. A total of 615 oncology nurses responded to a national survey in 2004. The majority of nurses indicated that positive nurse-physician relations and autonomy in clinical decision-making were factors that contributed to job satisfaction and the desire to remain in oncology nursing. However, the findings identified that nurse staffing, the lack of nursing leadership and inadequate opportunities to participate in policy decisions were areas of concern. Differences in work environment perceptions were seen most often when responses were compared across provincial regions. While the findings support previous research reports that the key to the nursing shortage is attention to nursing work environments, they also emphasize the need for organizations to act now. A follow-up survey was conducted in 2006; analysis of these data will be presented in a future report on nurses' perceptions of their work environments and job satisfaction over time.

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 candidatesÉtudes des sciences et des technologies, Intégrité de la recherche, Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesCharge utile insuffisante (le modèle a refusé de juger)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,761
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0010,003
Charge utile insuffisante (le modèle a refusé de juger)0,0030,005

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 Opus0,138
Tête enseignante GPT0,390
Écart entre enseignants0,252 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

Devis d'étudeSans objet
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

Citations12
Publié2010
Routes d'admission4
Résumé présentoui

Explorer davantage

Même revueNursing leadershipMême sujetWorkplace Health and Well-beingTravaux en français237 207