21 Wellbeing of lone working Healthcare Assistants and its impact on staff retention in hospice care at home services
Notice bibliographique
Résumé
Introduction Recent UK-based research revealed the complex role of lone working Healthcare Assistants (HCAs) who provide hospice care at home without direct supervision of a registered practitioner.1 The complexity of the role combined with emotional labour,2 support needs and variable preparation1 may have long term implications on wellbeing and retention. Staff attrition leads to inadequate staffing, unmet care needs, and impacts on patient wellbeing.3 4 Aims To investigate wellbeing, intention to leave and support needs amongst lone working HCAs providing hospice care at home. Methods A mixed-method sequential explanatory design, comprised of two phases 1) a cross-sectional online survey consisting of validated tools and questions designed by the study team, and 2) semi-structured qualitative interviews. Results 218 HCAs completed the survey (12/04/23 to 08/06/23), 14 HCAs completed interviews (19/07/23 to 31/08/23). Mean wellbeing score was 52.2(SD=8.64). Higher wellbeing scores were related to lower intentions to leave r(216) = -.25, p<.001. Qualitative data (open text survey responses and interviews) shown the main factors negatively influencing wellbeing were loneliness, isolation and feeling undervalued. The main factors positively influencing wellbeing were high job satisfaction and finding the role meaningful. HCAs revealed a strong preference for contact-based support (in-person and virtual). In-person contact was an important prerequisite for building further contact with peers (virtual or via phone). However, support available from line manager and peers varied greatly and had a substantial impact on wellbeing levels and intention to leave, both positively and negatively. Conclusion Many factors impact on wellbeing level of lone working HCAs providing hospice care at home. As higher wellbeing level was related to lower intentions to leave, supporting staff wellbeing is a key organisational strategy for higher retention of staff. Impact Understanding HCAs support needs can inform development support strategies to improve wellbeing and increase staff retention. References Patynowska KA, McConnell T, McAtamney C, Hasson F. ‘That just doesn’t feel right at times’ - lone working practices, support and educational needs of newly employed Healthcare Assistants providing 24/7 palliative care in the community: a qualitative interview study. Palliat Med. 2023:2692163231175990. Lovatt M, Nanton V, Roberts J, Ingleton C, Noble B, Pitt E, et al. The provision of emotional labour by health care assistants caring for dying cancer patients in the community: a qualitative study into the experiences of health care assistants and bereaved family carers. Int J Nurs Stud. 2015;52(1):271–9. Almazan JU, Albougami AS, Alamri MS. Exploring nurses’ work-related stress in an acute care hospital in KSA. J Taibah Univ Med Sci. 2019;14(4):376–82. Zaheer S, Ginsburg L, Wong HJ, Thomson K, Bain L, Wulffhart Z. Turnover intention of hospital staff in Ontario, Canada: exploring the role of frontline supervisors, teamwork, and mindful organizing. Hum Resour Health. 2019;17(1):66.
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 | 0,002 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,000 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».