MétaCan
Menu
← Retour à la cohorte
Enregistrement W4312063665

Professional satisfaction among emigrated Nurses of Nepal: A cross-sectional web-based study

2020· article· en· W4312063665 sur OpenAlexaboutno aff
Devendra Raj Singh, Sushmita K.C., Sanjeev Kumar Shah, Nanda Singh Shrestha

Notice bibliographique

RevueDOAJ (DOAJ: Directory of Open Access Journals) · 2020
Typearticle
Langueen
DomainePsychology
ThématiqueMigration, Health and Trauma
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésCross-sectional studyPsychologyNursingMedicine
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Background: Professional satisfaction is nowadays leading cause in increasing emigration of Nurses of Nepal. Thus, this research was conducted to identify the level of professional satisfaction among emigrated nurses in Nepal. Methods: A cross-sectional descriptive study was conducted among 102 emigrated Nepalese Nurses staying in the USA, UK, UAE, Australia, Denmark and Canada. A web-based semi-structured questionnaire based on the McCloskey/ Mueller Satisfaction Scale was used to collect data from participants. Data were analysed using statistical package for social science (SPSS) version 24. The descriptive and inferential statistical analysis was conducted to interpret the data. Results: The participants for the study were from Australia (57.8%) followed by USA (25.5%), UK (10.8%), from Canada (2.9%), UAE (2%) and Denmark (1%). It was found that 74.5% of participants were from 25-30 years of age group. The emigrated Nurses working in Australia were highly satisfied (74.6%) with their job. This study showed that the majority (68.63%) of participants had a high satisfaction level in their job abroad where 2.9% had a lower satisfaction level. Conclusion: It is concluded that Nepalese nurses have a high professional satisfaction level working in abroad. So, the government needs to plan the retention of nurses in the countries considering the facilities and motivation provided in the emigrant countries.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,007

Scores du classifieur distillé par catégorie (deux têtes)

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

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 Opus0,262
Tête enseignante GPT0,595
Écart entre enseignants0,333 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
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

Citations0
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueDOAJ (DOAJ: Directory of Open Access Journals)→Même sujetMigration, Health and Trauma→Travaux en français237 207→