The Trajectory of Agency-Employed Nurses in Ontario, Canada: A Longitudinal Analysis (2011–2021)
Notice bibliographique
Résumé
In Canada, reports of nursing staff shortages, job vacancies and the use of private agency nurses, especially in hospitals, have increased since the start of the COVID-19 pandemic. Media reports suggest the pandemic exacerbated nursing shortages among other issues, and nurses are leaving their traditional positions to work at such agencies. Public spending on agency nurses has increased appreciably. Using 2011 to 2021 regulatory college data on all registered nurses (RNs) and registered practical nurses (RPNs) in the province of Ontario, Canada, we investigated trends in the count and share of nurses working for employment agencies. We also examined the rate at which previously non-agency employed nurses transition to employment in at least one agency job. We found the prevalence of RNs and RPNs reporting agency employment was relatively stable from 2011 to 2019, and decreased slightly in 2020 and 2021. However, there was a small increase in transitions from non-agency employment to working at an agency job. We also found the mean hours of practice in all jobs reported by agency and non-agency nurses increased during the pandemic. Based on these findings, an increase in hours and/or prices for agency nurses may explain the increase in public funding for agency nurses, but it was not driven by an increasing share of nurses working for employment agencies. To fully understand employment agency activity, policymakers may need to monitor hours of work and hourly costs rather than only costs. Further research is required to investigate any long-term effects the pandemic may have had on agency-employment.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 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 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 ».