MétaCan
Menu
Retour à la cohorte
Enregistrement W4401734708 · doi:10.1097/nna.0000000000001466

Perceived Social Support and Presenteeism Among Nurses

2024· article· en· W4401734708 sur OpenAlexaff
Yueling Ma, Xiangeng Zhang, Wanying Ni, Li Zeng, Jialin Wang

Notice bibliographique

RevueJONA The Journal of Nursing Administration · 2024
Typearticle
Langueen
DomaineHealth Professions
ThématiqueWorkplace Health and Well-being
Établissements canadiensRegistered Nurses' Association of Ontario
Organismes subventionnairesnon disponible
Mots-clésPresenteeismSocial supportPsychologyNursingMedicineSocial psychologyAbsenteeism

Résumé

récupéré en direct d'OpenAlex

OBJECTIVE: The aim of this study was to explore the mediating role of psychological capital in the relationship between perceived social support and presenteeism among nurses. BACKGROUND: The concept of presenteeism explored in this study refers to the behavior of nurses who hold on to their jobs despite poor physical or mental health, manifested in poor work productivity and loss of productivity. Perceived social support and psychological capital may help reduce presenteeism. However, there is limited knowledge about the association between perceived social support, psychological capital, and presenteeism among nurses. METHODS: Data were collected through questionnaires from 468 RNs. Data analysis used Pearson's correlation analysis, multiple linear regression, and structural equation model. RESULTS: The results indicated that perceived social support and psychological capital were significantly negatively correlated with nurses' presenteeism. Structural equation modeling revealed that psychological capital mediated the relationship between perceived social support and presenteeism, with a partial mediating effect of -0.191, accounting for 28% of the total effect. CONCLUSIONS: These results identified structural relationships between the 3 variables of perceived social support, psychological capital, and presenteeism and provided a theoretical reference for developing strategies to decrease nurses' presenteeism.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,775
Score d'incertitude au seuil0,751

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,049
Tête enseignante GPT0,444
Écart entre enseignants0,395 · 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 tête enseignante, 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

Citations10
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJONA The Journal of Nursing AdministrationMême sujetWorkplace Health and Well-beingTravaux en français237 207