MétaCan
Menu
Retour à la cohorte
Enregistrement W4400855047 · doi:10.1155/2024/3179141

Transformational Leadership and Nursing Retention: An Integrative Review

2024· review· en· W4400855047 sur OpenAlexaff
Becky Goens, Natalie Giannotti

Notice bibliographique

RevueNursing Research and Practice · 2024
Typereview
Langueen
DomainePsychology
ThématiqueHealth and Well-being Studies
Établissements canadiensUniversity of Windsor
Organismes subventionnairesnon disponible
Mots-clésTransformational leadershipMedicineNursingPsychologySocial psychology

Résumé

récupéré en direct d'OpenAlex

Aim . To establish current evidence on the relationship between transformational nursing leadership and turnover intention. Background . The persistent nursing shortage in healthcare has led to heightened demands for addressing both current needs and the healthcare requirements of a growing population. Recognizing the pivotal role of nursing leadership in fostering retention, this review highlights the influence of positive leadership on nursing staff. Evaluation . An integrative review, guided by Whittemore and Knafl’s (2005) framework, was conducted using articles sourced from four online databases deducing to an inclusion of sixteen quantitative articles, one systematic review, and one integrative review published between 1992 and 2022. Key Issues . The study reveals conflicting evidence regarding the sole impact of transformational leadership on the nursing staff’s intention to remain. However, it highlights transformational leadership’s ability to enhance job satisfaction and organizational commitment contributes significantly to retention. Conclusion . Using transformational leadership can effectively bolster nursing staff retention along with promoting other favorable workplace outcomes. Implications for Nursing Management . This review underscores the importance of enhancing leadership skills within nursing management. This involves not only fostering transformational leadership but also cultivating positive work‐related outcomes to optimize nursing staff retention.

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)0,004
score de la tête « metaresearch » (Gemma)0,014
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Revue systématique · Signal consensuel: Revue systématique
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,010
Score d'incertitude au seuil0,020

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,014
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0030,003
Bibliométrie0,0100,011
Études des sciences et des technologies0,0010,001
Communication savante0,0030,002
Science ouverte0,0020,001
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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.

Tête enseignante Opus0,494
Tête enseignante GPT0,617
Écart entre enseignants0,122 · 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'étudeRevue systématique
Domainenon disponible
GenreSynthèse

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

En bref

Citations37
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueNursing Research and PracticeMême sujetHealth and Well-being StudiesTravaux en français237 207