MétaCan
Menu
Retour à la cohorte
Enregistrement W4304959457 · doi:10.1186/s13054-022-04182-y

Ten areas for ICU clinicians to be aware of to help retain nurses in the ICU

2022· review· en· W4304959457 sur OpenAlexaff
Jean‐Louis Vincent, Carole Boulanger, Margo van Mol, Laura Hawryluck, Élie Azoulay

Notice bibliographique

RevueCritical Care · 2022
Typereview
Langueen
DomaineHealth Professions
ThématiqueHealthcare professionals’ stress and burnout
Établissements canadiensUniversity of TorontoUniversity Health Network
Organismes subventionnairesnon disponible
Mots-clésMedicineBurnoutWorkloadNursingEconomic shortagePandemicDistressCoronavirus disease 2019 (COVID-19)Intensive careMedical emergencyIntensive care medicine

Résumé

récupéré en direct d'OpenAlex

Shortage of nurses on the ICU is not a new phenomenon, but has been exacerbated by the COVID-19 pandemic. The underlying reasons are relatively well-recognized, and include excessive workload, moral distress, and perception of inappropriate care, leading to burnout and increased intent to leave, setting up a vicious circle whereby fewer nurses result in increased pressure and stress on those remaining. Nursing shortages impact patient care and quality-of-work life for all ICU staff and efforts should be made by management, nurse leaders, and ICU clinicians to understand and ameliorate the factors that lead nurses to leave. Here, we highlight 10 broad areas that ICU clinicians should be aware of that may improve quality of work-life and thus potentially help with critical care nurse retention.

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)0,002
score de la tête « metaresearch » (Gemma)0,010
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche, Méta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,851
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,010
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0020,001
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0010,001
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,324
Tête enseignante GPT0,595
Écart entre enseignants0,271 · 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
GenreSynthèse

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

En bref

Citations64
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCritical CareMême sujetHealthcare professionals’ stress and burnoutTravaux en français237 207