How is ‘shortage’ defined? Exploring Nursing Workforce Data across Canada 2015-2022: An Ecological Study
Notice bibliographique
Résumé
RationaleDetermining the ability of a country’s nursing workforce to meet the health care needs of the population is essential for optimal health outcomes. ‘Nursing shortage’ is frequently heralded as an issue, yet it is unclear how ‘shortage’ is defined and calculated. The purpose of this study was to collect and link publicly available Canadian data to describe and compare trends in nursing workforce capacity. MethodsPrimary data sources included linking Statistics Canada and Canadian Institutes of Health Information (CIHI) data from 2015 to 2022. Statistics Canada tracks provincial population data and job vacancy rates. CIHI receives data from provincial nursing organizations on demographics, roles, and employment status. To estimate a sufficient workforce, job vacancy rates (a proxy for provincial need) were cross tabulated with the number of registered nurses (RNs) and registered psychiatric nurses (RPNs) per year. ResultsThe number of RNs and RPNs in Canada has increased by 8.6% between 2015 and 2022, to a total of 322,226. Job vacancies, as a percent of total nursing supply, shows a rising trend (2.3% to 8.7%) between 2015 and 2022 across Canada. In 2022, 84.9% of Canadian RNs and RPNs in direct patient care across Canada and 86.1% were in urban settings. Conclusion & LimitationsThis project examines Canadian nursing workforce data encompassing potential effects of the COVID-19 pandemic. The trends are limited to annual due to aggregated data. Data on a country’s nursing workforce measured monthly and consistently across provinces would yield clearer information.
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 | 0,004 | 0,002 |
| 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 | 0,003 | 0,000 |
| Communication savante | 0,001 | 0,009 |
| Science ouverte | 0,005 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».