Work Disparities and the Health of Nurses in Long-Term Care: A Scoping Review
Notice bibliographique
Résumé
Work disparities, such as unfairness in pay or unequal distribution of work experienced by nurses in long-term care (LTC), can impact the retention and health of this workforce. Background: Despite the significant impact of disparities on nurses’ health in LTC, a literature review on work disparities of nurses in LTC has not been conducted. Method: This scoping review aimed to explore the nature and extent of research on meso-level work disparities experienced by nurses in LTC and its links with nurse health and well-being. Five databases were searched: MEDLINE (Ovid), EMBASE (Ovid), PsycINFO (Ovid), SCOPUS, and CINAHL (EBSCO host). Results: Of the 5652 articles retrieved, 16 studies (14 quantitative and 2 qualitative) published between 1997 and 2024 met the inclusion criteria. A total of 53 work disparities were identified. Only four articles investigated the association of a work disparity with a variable of health (e.g., physical, mental, or poor general health). Conclusions: The results suggest that more attention to how disparities impact nurses’ health and lived experiences is warranted. Meso-level disparities from this review provide an initial basis to consider possibilities in the workplace, especially in supporting equity and opportunities for health and well-being at work (e.g., through fair access to professional growth opportunities and a more equitable balance of work expectations and demands of nursing staff). Future studies of the intersection of macro- and meso-level factors are needed to inform better workplace practices and social and economic policies to support the well-being, health, and safety of nurses at work in LTC.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,004 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,002 |
| 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 ».