Organizational culture and turnover intention among primary care providers: a multilevel study in four large cities in China
Notice bibliographique
Résumé
Background Primary health care plays an important role in providing populations with access to health care. However, it is currently facing unprecedented workforce shortages and high turnover worldwide.Objective This study examined the relationship between organizational culture and turnover intention among primary care providers in China.Methods A cross-sectional survey was administered in four large cities in China, Tianjin, Jinan, Shanghai, and Shenzhen, comprising 38 community health centers and 399 primary care providers. Organizational culture was measured using the Competing Value Framework model, which is divided into four culture types: group, development, hierarchy, and rational culture. Turnover intention was measured using one item assessing participants’ intention to leave their current position in the following year. We compared the turnover intention among different organizational culture types using a Chi-square test, while the hierarchical logistic regression was used to examine the relationship between organizational culture and turnover intention.Results The study found that 32% of primary care providers indicated an intention to leave. Primary care providers working in a hierarchical culture reported higher turnover intention (43.18%) compared with those in other cultures (p < 0.05). Hierarchical culture was a predictor of turnover intention (OR = 3.453, p < 0.001), whereas rational culture had a negative effect on turnover intention (OR = 0.319, p < 0.05).Conclusions Our findings inform organizational management strategies to retain a healthy workforce in primary health care.
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 | 0,000 | 0,000 |
| 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 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».