Workplace bullying and turnover intention among male nurses: A cross-sectional study in Bangladesh
Notice bibliographique
Résumé
<title>Abstract</title> <bold>Background: </bold>Workplace bullying (WPB) and nurses’ turnover intention (TI) are important challenges in the healthcare sector, particularly in developing countries like Bangladesh. Understanding this relationship is crucial for developing targeted interventions to improve retention and well-being among male nurses in Bangladesh. Thus, this study aimed to explore the relationship between WPB and TI among Bangladeshi male nurses. <bold>Method: </bold>We conducted a cross-sectional study among 379 Bangladeshi registered male nurses between April 26 and July 10, 2021. The study sites included indoor or outdoor settings where nurses provide healthcare. We used the Short Negative Acts Questionnaire-9 (S-NAQ-9) to measure WPB and the Turnover Intention Scale-6 (TIS-6) to assess TI. We performed a multiple linear regression model to explore the association of WPB and other variables with TI. <bold>Results: </bold>The study participants were predominantly young male nurses, with a significant proportion employed in urban settings and holding a Bachelor of Science (B.Sc.) degree. The study found a significant positive association between WPB and TI, suggesting that higher levels of WPB were related to increased TI. Likewise, some other factors such as educational degree, smoking status, job types, professional titles, timely payment, and violence-related training showed significant associations with TI. <bold>Conclusion: </bold>This study highlights the need for focused interventions to reduce WPB and enhance working conditions for male nurses in Bangladesh. Addressing WPB, as well as improving work satisfaction through targeted initiatives, is critical for reducing TI among this demographic.
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 | 0,008 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,000 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,003 |
| 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 ».