Commentary on the Past, Present, and Future of Nursing Workload Research
Notice bibliographique
Résumé
Abstract: The aim of this paper is to enhance readers’ understanding of research design strategies, past and present, for studying nursing workloads. Future research directions are also discussed. Nursing workloads are associated with nurse burnout and turnover. During our current global nursing shortage, researchers must identify ways to mitigate nurses’ heavy workloads. Relevant, prior nursing workload research is presented with brief descriptions of designs, methods and findings. To illustrate the current complexity of nurses’ work environments and the myriad factors that influence nurses’ workloads, this paper features the ongoing nursing workload research of two Canadian research teams with different methodological approaches. These two teams are employing current research innovations, such as human factors multi-systems frameworks, design thinking, simulation modeling and integrated knowledge translation. With respect to future research implications, the teams are melding methods and tools to promote a more sophisticated way of understanding the complex linkages between patient needs, systems design and the management of nurses’ workloads. Keywords: nursing workloads, nurses’ work environments, synergy tool, patient needs assessment, human factors, simulation modeling
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 | 0,061 | 0,256 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,003 | 0,004 |
| Études des sciences et des technologies | 0,008 | 0,011 |
| Communication savante | 0,009 | 0,012 |
| Science ouverte | 0,008 | 0,006 |
| Intégrité de la recherche | 0,024 | 0,035 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 0,003 |
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 ».