MétaCan
Menu
Retour à la cohorte
Enregistrement W4385186751 · doi:10.1111/ijn.13183

Registered nurses' psychological capital: A scoping review

2023· review· en· W4385186751 sur OpenAlexaboutno aff
Mervi Flinkman, Kirsi Coco, Ann Rudman, Helena Leino‐Kilpi

Notice bibliographique

RevueInternational Journal of Nursing Practice · 2023
Typereview
Langueen
DomaineNursing
ThématiqueNursing education and management
Établissements canadiensnon disponible
Organismes subventionnairesSairaanhoitajien koulutussäätiö
Mots-clésCINAHLPsycINFOScopusWorkforcePsychologyNursingMEDLINEJob satisfactionMedicinePolitical scienceSocial psychologyPsychological intervention

Résumé

récupéré en direct d'OpenAlex

AIMS: The aim was to examine the extent and scope of empirical research concerning registered nurses' psychological capital. BACKGROUND: In a time of global nursing shortage, identifying variables that could positively contribute to the retention of the nursing workforce is essential. Prior research has shown that psychological capital correlates positively with employees' better performance and well-being. DESIGN: A scoping review. DATA SOURCES: A systematic literature search was conducted in the following databases: PubMed, CINAHL, PsycINFO, Web of Science and Scopus covering the period from 1 January 2005 to 7 May 2023. REVIEW METHODS: The JBI methodological guidance for scoping reviews was followed. The results were summarized narratively. RESULTS: A total of 111 studies reported in 114 peer-reviewed articles were included. Studies were carried out across 20 countries, with the majority from China (45), Australia (nine), Pakistan (nine), Canada (eight), South Korea (eight) and the United States (eight). A positive correlation was found between registered nurses' psychological capital and desirable work-related outcomes, such as work engagement, commitment and retention intention. CONCLUSION: A comprehensive overview of research evidence suggests that psychological capital is associated with many positive work-related outcomes and might therefore be a valuable resource for reducing nurse turnover.

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)0,013
score de la tête « metaresearch » (Gemma)0,046
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Revue systématique · Signal consensuel: Revue systématique
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,018
Score d'incertitude au seuil0,070

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0130,046
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0040,003
Bibliométrie0,0180,016
Études des sciences et des technologies0,0010,001
Communication savante0,0040,003
Science ouverte0,0020,002
Intégrité de la recherche0,0020,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,344
Tête enseignante GPT0,596
Écart entre enseignants0,251 · 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'étudeRevue systématique
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

Citations26
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Nursing PracticeMême sujetNursing education and managementTravaux en français237 207