A conceptual framework for defining work disparities: A case of nurses in long term care
Notice bibliographique
Résumé
BackgroundIncreasing the recruitment and retention of nurses within long-term care (LTC) is a growing challenge faced by the healthcare community. Addressing this problem will require a greater understanding of the day-to-day experiences of nurses, including the disparities and unequal treatment experienced by this group of workers (e.g., pay parity, discrimination, and unfair job demands). However, while there is a need to better understand work disparities faced by nurses, a formalized definition and framework for examining work disparities do not exist within the literature.ObjectiveTo create a conceptual framework to define and analyze work disparities experienced by nurses in LTC.MethodsThis analysis was conducted in adherence to Podsakoff et al.'s four-stage series of recommendations. A partial survey of the literature and operationalizations of work disparities were analyzed to create a core list of attributes of work disparities among nurses in LTC. A definition and framework for classifying work disparities were then posited through a dialogic process and refined by testing on two studies.ResultsA definition of work disparities was posited and four categories of work disparities were identified: job security, work compensation, work opportunities, and workplace treatment. A matrix for classifying the variables of work disparities and comparator groups was refined.ConclusionWith the increasing recognition of unequal treatment of nurses in LTC, this framework can enable further research within this area to support and enhance opportunities for the retention and health of the LTC workforce.
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 | 0,000 | 0,000 |
| 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 | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| 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 ».