Why Are Healthcare Providers Leaving Their Jobs? A Convergent Mixed-Methods Investigation of Turnover Intention among Canadian Healthcare Providers during the COVID-19 Pandemic
Notice bibliographique
Résumé
BACKGROUND: Staffing shortages across the healthcare sector pose a threat to the continuity of the Canadian healthcare system in the post-COVID-19 pandemic era. We sought to understand factors associated with turnover intention as well as Canadian healthcare providers' (HCPs) perspectives and experiences with turnover intention as related to both organizational and professional turnover. METHOD: A convergent questionnaire mixed-methods design was employed. Descriptive statistics and ordinal logistic regressions were used to analyze quantitative data and ascertain factors associated with turnover intention. Thematic analysis was used to analyze qualitative open-field textbox data and understand HCPs' perspectives and experiences with turnover intention. RESULTS: Quantitative analyses revealed that 78.6% of HCPs surveyed (N = 398) reported at least a 25% turnover likelihood regarding their organization, with 67.5% reporting at least a 25% turnover likelihood regarding their profession. Whereas regression models revealed the significant impact of years worked, burnout, and organizational support on turnover likelihood for organizations, age, sex, burnout, and organizational support contributed to the likelihood of leaving a profession. Patterns of meaning drawn from participants' qualitative responses were organized according to the following four themes: (1) Content to stay, (2) Drowning and no one cares, (3) Moral stressors, and (4) Wrestling with the costs and benefits. CONCLUSIONS: Many HCPs described weighing the costs and benefits of leaving their organization or profession during the COVID-19 pandemic. Although challenging working conditions, moral stressors, and burnout may play a significant role in HCPs' experiences of turnover intention, there is ample room to intervene with organizational support.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,012 | 0,019 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,010 | 0,002 |
| Communication savante | 0,003 | 0,001 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».