WORKPLACE RETENTION FRAMEWORKS FOR NURSING IN LONG-TERM CARE: AN INTEGRATIVE REVIEW
Notice bibliographique
Résumé
Abstract Background Nurses and Personal Support Workers are essential for care and services provided for Long term Care (LTC) homes. Concerns regarding unsafe living and working condition resulting in high turnover rates. Despite high turnover rate, very little guidance to help improve staffing stability and workforce retention planning. The purpose of this integrative review is to synthesise the existing literature regarding LTC staff retention to guide the development of a comprehensive framework addressing LTC staffing issues. Methods This review was conducted using Whittemore and Knafl’s integrative review methodology to assess both empirical, theoretical and grey literature. Databases were searched such as CIHNL, PubMed, PyschINFO. Included articles are published in English; use empirical and theoretical methodologies; and focuses on workplace retention frameworks, models, and strategies for the LTC workforce. Articles involving non-facility based LTC and those focused on recruitment rather than retention was excluded. Thematic analysis using Braun & Clark was used to identify themes related to retention frameworks and models influencing turnover. Results A total of 1196 articles were retrieved, with 1086 articles screened, while 17 articles were included in the final sample. Examples of identified models including Huber’s Structural Model and the Dual-Driver Model. Retention framework focuses on five group factors: Organizational and personal characteristics, leadership/management, social systems and labour market conditions. Conclusion The results of this study will be useful to guide subsequent stages of this research to gain consensus of LTC staff using Delphi methodology to support the co-creation of a workforce retention framework in LTC sector.
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 | 0,013 | 0,023 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,003 |
| Bibliométrie | 0,014 | 0,013 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,006 | 0,006 |
| Science ouverte | 0,003 | 0,003 |
| Intégrité de la recherche | 0,002 | 0,002 |
| 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 ».