A Leave of Absence Might Not Be a Bad Thing: Registered Practical Nurses Working in Home Care During the COVID-19 Pandemic
Notice bibliographique
Résumé
To describe the resilience and emotional intelligence of Registered Practical Nurses working in Home and Community Care during the COVID-19 pandemic. Specifically, to determine if there was a relationship between resilience and emotional intelligence based on whether a nurse: (1) left the sector, (2) considered leaving, or (3) took a leave of absence during the pandemic. An online cross-sectional survey was used to capture respondents’ demographic information and scores on the Connor–Davidson Resilience Scale, Resilience at Work Scale ® , and Wong and Law Emotional Intelligence Scale. Registered Practical Nurses working, or who had worked, in Home and Community Care January 2020 to September 2022 were eligible to participate. The Checklist for Reporting Results of Internet E-Surveys was used. The survey was available June to September 2022 and advertised by the Registered Practical Nurses Association of Ontario to approximately 2105 members. Descriptive statistics and independent samples t-tests were used to analyze results at a level of P < .05 was used for all analyses. A total of 672 respondents participated (completion rate = 92.8%). There were no differences on resilience or emotional intelligence scores based on whether a nurse left, or considered leaving, the Home and Community Care sector during the pandemic. However, nurses who took a leave of absence scored significantly higher on resilience and emotional intelligence measures when compared to those who did not. Results suggest that a leave of absence for these nurses during the pandemic may have been a supportive coping strategy.
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 | 0,003 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,003 |
| 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 ».