What is known about nurse retention in peri-COVID-19 and post-COVID-19 work environments: protocol for a scoping review of factors, strategies and interventions
Notice bibliographique
Résumé
INTRODUCTION: The pandemic has highlighted a worsening of nurses' working conditions and a global nursing shortage. Little is known about the factors, strategies and interventions that improve nurse retention in the peri-COVID and post-COVID time period. An improved understanding of approaches implemented to support and retain nurses will provide a blueprint for sustaining the nursing workforce. The objectives of this scoping review are to investigate and describe the following: (a) factors associated with nurse retention; (b) strategies suggested to support nurse retention and (c) interventions trialled to support nurse retention, during and after the COVID-19 pandemic. METHODS AND ANALYSIS: Medline, Embase, CINAHL and Scopus will be searched. The included studies will be qualitative, quantitative, mixed methods and grey literature studies of nurses including factors, strategies and/or interventions to support nurse retention in the peri-COVID and post-COVID time period (2019 to present) that are in English or can be translated into English. The excluded studies will be those that focus on nurse managers, educators, students or those in advanced practice roles and studies where the population cannot be segmented to identify which data came from nurses. Systematic, scoping reviews and meta-syntheses will be excluded, but their reference lists will be hand-screened for suitable studies. Data will be evaluated for quality and synthesised qualitatively to map the current evidence available. The relevant studies will be reported using the Preferred Reporting Items for Systematic Reviews and Meta-Analyses extension for Scoping Reviews. ETHICS AND DISSEMINATION: Approval for the broader research study, including this scoping review, has been obtained from the university health sciences research board (protocol #00042510). All data for this scoping review will be collected from published literature, and findings will be published in a peer-reviewed journal and presented at relevant conferences. TRIAL REGISTRATION NUMBER: The protocol was registered on Open Science Framework (4 April 2024) https://doi.org/10.17605/OSF.IO/XWH45.
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 | 0,099 | 0,106 |
| Méta-épidémiologie (sens strict) | 0,007 | 0,006 |
| Méta-épidémiologie (sens large) | 0,018 | 0,022 |
| Bibliométrie | 0,025 | 0,020 |
| Études des sciences et des technologies | 0,007 | 0,006 |
| Communication savante | 0,010 | 0,013 |
| Science ouverte | 0,006 | 0,009 |
| Intégrité de la recherche | 0,012 | 0,009 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,066 | 0,014 |
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 ».