MétaCan
Menu
Retour à la cohorte
Enregistrement W4321604856 · doi:10.5430/jnep.v13n7p1

The impact of nurses working multiple jobs and drowsy driving accidents: A scoping literature review

2023· article· en· W4321604856 sur OpenAlexvenueno aff
Gina B. Rhodes, Deanna Ford

Notice bibliographique

RevueJournal of Nursing Education and Practice · 2023
Typearticle
Langueen
DomainePsychology
ThématiqueSleep and Work-Related Fatigue
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésCINAHLSleep deprivationShift workWork (physics)NursingMedicineWorking hoursOccupational safety and healthSleep (system call)PsychologyCircadian rhythmPsychological interventionPsychiatryComputer scienceEngineering

Résumé

récupéré en direct d'OpenAlex

Background and objectives: Nurses driving while sleep-deprived is a global problem; however, few studies have examined sleep deprivation impacted by nurses working multiple jobs concurrently. Nurses work in high-pressure environments and endure long working hours, which can exacerbate nurses' fatigue. As a result, nurses are susceptible to sleep deficiency and disrupted circadian rhythms. Conceivably, sleep deficiency and disruption in circadian rhythms impact nurses' performance and well-being. The strain of long work hours and insufficient sleep worsens when nurses work multiple jobs. Nevertheless, the adverse effects are not restricted to the healthcare contexts in which nurses work; nurses must also commute back home—this scoping review canvasses existing evidence showing the implications of working multiple jobs for drowsy driving accidents.Methods: In-depth primary data analysis highlights the connection between the two measures (multiple job-holding and drowsy driving accidents). A total of ten studies were identified from CINAHL, PubMed, ScienceDirect, and MEDLINE. These databases contain recent research on nursing trends. The focus was on studies published from 1988 to 2022. This timeframe widens the pool of evidence that can be included in the research using Arksey and O'Malley's five-step process for conducting this scoping review.Results: The review finds ten studies spotlighting the relationship between intensified job demands associated with multiple job-holding and fatigue, which predisposes nurses to drowsy driving and accidents. In-depth primary data analysis highlights the connection between the two measures; multiple job-holding and drowsy driving accidents.Conclusions: Nurses must be optimal performers, yet they work under exceptionally stressful circumstances. The present study suggests that sleep deficiency and disruptions to circadian rhythms have profound negative implications for nurses' well-being beyond health facilities. Sleep interruption is challenging when nurses hold multiple jobs due to intensified job demands. In addition, exhausted nurses working several jobs are prone to drowsy driving, which can lead to accidents. Subsequent research needs to precisely document the implications of multiple job-holding among nurses concerning its impact on drowsy driving and accidents.

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)0,003
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Autre devis · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,903
Score d'incertitude au seuil0,345

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,077
Tête enseignante GPT0,492
Écart entre enseignants0,414 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeAutre devis
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
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Nursing Education and PracticeMême sujetSleep and Work-Related FatigueTravaux en français237 207