‘We were called guardian angels; Was that sincere? I do not think so’: retention of certified nurse assistants during the COVID-19 crisis in long-term care facilities in Montreal, Quebec, Canada
Notice bibliographique
Résumé
The COVID-19 pandemic in the Canadian province of Quebec has increased demand for labour in long-term care facilities, or ‘Centre d’hébergement de soins de longue durée (CHSLDs)’. This study explored the challenges experienced by Certified Nurse Assistants (CNAs) in CHSLDs in Montreal, Quebec’s largest city, during the COVID-19 pandemic and how these challenges affected their job retention. We employed an analytical descriptive qualitative research approach, using semi-open interviews to collect data from three categories of CNAs between October and December 2021 in Montreal CHSLD. Our interview guide was based on two Canadian theoretical frameworks: one on nurses' retention and one on work-family balance. A thematic analysis method was employed to analyze the data. Our findings reveal that the vicious circle of service failure, including stress, exhaustion, and poor relationships with management and coworkers, influenced CNAs’ decision to quit their jobs. Poor working conditions, difficulty balancing work-family-personal life, and lack of appreciation for the profession all contributed to some CNAs quitting their jobs. At the same time, emotional attachment to the work and support from managers, organizations, and the government played a critical role in retaining CNAs. The CHSLDs network in Quebec, already marked by job instability, has been further weakened by the COVID-19 pandemic. Improved working conditions, respect for the CNA profession, and a recruitment process that accounts for candidates’ professional motivations are necessary to improve CNA 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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».