MétaCan
Menu
Retour à la cohorte
Enregistrement W4393382894 · doi:10.1177/15271544241240489

The Trajectory of Agency-Employed Nurses in Ontario, Canada: A Longitudinal Analysis (2011–2021)

2024· article· en· W4393382894 sur OpenAlexafffundabout
Alyssa Drost, Houssem Eddine Ben-Ahmed, Arthur Sweetman

Notice bibliographique

RevuePolicy Politics & Nursing Practice · 2024
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueClimate Change and Health Impacts
Établissements canadiensUniversity of OttawaMcMaster University
Organismes subventionnairesGovernment of OntarioMcMaster University
Mots-clésAgency (philosophy)PandemicEconomic shortageWork (physics)BusinessNursingCoronavirus disease 2019 (COVID-19)MedicineSociologyGovernment (linguistics)

Résumé

récupéré en direct d'OpenAlex

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 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)0,002
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,945
Score d'incertitude au seuil0,402

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,003
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,002
Bibliométrie0,0020,007
Études des sciences et des technologies0,0040,001
Communication savante0,0020,001
Science ouverte0,0030,002
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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 Opus0,054
Tête enseignante GPT0,368
Écart entre enseignants0,314 · 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'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations4
Publié2024
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revuePolicy Politics & Nursing PracticeMême sujetClimate Change and Health ImpactsTravaux en français237 207