Factors Influencing Nurses’ Decisions to Leave or Remain in the Home and Community Care Sector During the COVID-19 Pandemic
Notice bibliographique
Résumé
Background/Objectives: Home and community care (HCC) nurses experienced increased occupational challenges during the COVID-19 pandemic including increased workloads, job stressors and occupational risks like virus exposure. The objective was to elucidate what factors influenced nurses’ decisions to stay in their role, take a temporary leave, or exit HCC during the COVID-19 pandemic. Methods: A secondary analysis of data collected using a cross-sectional online open survey distributed among HCC Registered Practical Nurses across Ontario between June and September 2022 was conducted. The factors contributing to nurses’ decision to remain in HCC, temporarily leave, or exit the sector were evaluated using multinomial logistic regression (p < 0.05). Results: Of the 664 participants, 54% (n=357) stayed in the HCC sector, 30% (n=199) temporarily left, and 16% (n=108) exited the sector. Nurses with greater years of experience working in HCC and those who avoided infection were more likely to stay in their role in HCC, which may reflect strong relationships with long-term clients, opportunity and accumulated experience to increase income, and maintained good health. Nurses with higher levels of emotional intelligence were more likely to take leaves and exit HCC, suggesting that stepping away may have been a strategy to safeguard themselves. Conclusions: HCC leadership should prioritize the development of solutions to support nurses in the HCC workforce, including those with fewer years’ experience. This may promote nurses’ participation in the sector, particularly during times of heightened occupational challenges and crises like COVID-19.
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 | 0,002 | 0,011 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».