Assessment of job satisfaction and retention among medical doctors and nurses in a developing country setting: a survey in Calabar, Nigeria
Notice bibliographique
Résumé
Background: Globally, there is a rising shortage of healthcare workers, especially among doctors and nurses, potentially impairing quality of care provision. In Nigeria, this deficient workforce is further worsened by job dissatisfaction and brain drain. This study was aimed at assessing the determinants of job satisfaction and retention among medical doctors and nurses in public hospitals. Methods: Cross-sectional study design and systematic random sampling was conducted among medical doctors and nurses working in the two main public hospitals in Calabar Southern Nigeria. Data was entered and analyzed using statistical package for the social sciences (SPSS) version 25. Chi-square and independent t-test were employed as inferential statistics, with p value set at 0.05. Results: Two hundred and eighty-seven (287) subjects were studied. The mean age was 36.12±7.7 years ranging from 22 to 59 years. The overall level of job dissatisfaction was 49.5%, comprising 60.2% and 42.0% for doctors and nurses, respectively. Approximately a quarter of respondents (23.3%) were considered to be high retention risk. Younger age, male gender, having less than 10 years of employment duration, suboptimal remunerations and poor occupational environment, were associated with job dissatisfaction and higher retention risk (p<0.05). Conclusions: Approximately half of medical doctors and nurses are dissatisfied with their job, with attendant high retention risk. Improved funding of the public health sector is recommended, towards containing this challenge, within the context of worsening brain drain of skilled workers from developing to more developed countries. Further studies among private sector, non-urban settings and lower level of health facilities is recommended.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 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 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».