MétaCan
Menu
Retour à la cohorte
Enregistrement W4387410705 · doi:10.1177/08445621231204962

Help Wanted, Experience Preferred, Stamina a Must: A Narrative Review of the Contextual Factors Influencing Nursing Recruitment and Retention in Rural and Remote Western Canada from the Early Twentieth Century to 2023

2023· review· en· W4387410705 sur OpenAlexaffvenueabout
Amanda M. McCallum, Helen Vandenberg, Kelly Penz

Notice bibliographique

RevueCanadian Journal of Nursing Research · 2023
Typereview
Langueen
DomaineHealth Professions
ThématiqueGlobal Health Workforce Issues
Établissements canadiensUniversity of Saskatchewan
Organismes subventionnairesnon disponible
Mots-clésNarrativeNursingRural areaContext (archaeology)Nurse educationRural historyPoliticsNursing shortageMedicinePolitical scienceEconomic growthSociologyHistory

Résumé

récupéré en direct d'OpenAlex

Rural and remote communities of Western Canada have struggled to recruit and retain nursing professionals since the turn of the twentieth century. Existing literature has identified the unique challenges of rural nursing due to the shifting context of rural and remote nursing practice. The objective of this narrative review is to explore the history of rural and remote nursing to better understand the contextual influences shaping rural nursing shortages in Western Canada. This narrative review compared 27 sources of scholarly and historical evidence on the nature of rural nursing practices and recruitment and retention methods following the First World War until 2023. The findings suggest that the complex nature of rural nursing practice is a consistent challenge that has intersected with the long-standing power inequities that are inherent in rural marginalization, political influences, the nursing profession, social structures, and organizational design, to perpetuate rural nursing shortages throughout the past century. Integration and collaboration are needed to reduce systemic marginalization and develop effective and sustainable solutions to reduce nursing shortages in rural and remote areas of Western Canada.

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)0,004
score de la tête « metaresearch » (Gemma)0,011
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,989
Score d'incertitude au seuil0,511

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,011
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0030,006
Études des sciences et des technologies0,0030,002
Communication savante0,0030,002
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
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 Opus0,340
Tête enseignante GPT0,533
Écart entre enseignants0,193 · 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'étudeQualitatif
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

Citations6
Publié2023
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of Nursing ResearchMême sujetGlobal Health Workforce IssuesTravaux en français237 207