MétaCan
Menu
Retour à la cohorte
Enregistrement W4408285808 · doi:10.1097/ncq.0000000000000851

Enhancing Staffing Stability in Long-Term Care

2025· article· en· W4408285808 sur OpenAlexaffabout
Jen Calver, Farazana Rahmen, Nitha Reno, Winnie Sun

Notice bibliographique

RevueJournal of Nursing Care Quality · 2025
Typearticle
Langueen
DomaineHealth Professions
ThématiqueGeriatric Care and Nursing Homes
Établissements canadiensRegional Municipality of DurhamOntario Tech University
Organismes subventionnairesnon disponible
Mots-clésStaffingLong-term careNursingNurse AdministratorQuarter (Canadian coin)Organizational culturePsychologyMedicineMEDLINEPublic relations

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Challenges to recruit and retain nurses and personal support workers (PSWs) within the long-term care (LTC) sector is a significant problem. PURPOSE: The purpose of this study was to describe elements of recruitment and retention from staff perspectives. METHODS: Secondary analysis of survey data (n = 93) was conducted utilizing data collected from nurses and PSWs from 4 LTC homes. Open-ended responses were summarized, coded, and analyzed thematically. RESULTS: Findings indicated that nearly a quarter of participants (24.7%) had no intention to stay in their current job. Three key themes emerged as organizational factors for staffing stability including resident care as a top priority, rebuilding a healthy workplace, and open communication and professional development. CONCLUSION: The growing focus on recruitment and retention in LTC reflects its prevalence. It is therefore important to understand staff perspectives related to organizational factors that may impact staffing stability efforts, and ultimately resident care.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,116
Score d'incertitude au seuil0,893

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,072
Tête enseignante GPT0,493
Écart entre enseignants0,421 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations3
Publié2025
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Nursing Care QualityMême sujetGeriatric Care and Nursing HomesTravaux en français237 207