Factors Associated with Intent to Leave and Burnout among Canadian Nurses Amidst the COVID-19 Pandemic: A Quantitative Analysis of the Survey on Health Care Workers’ Experiences During the Pandemic
Notice bibliographique
Résumé
BackgroundThe increased demands and stressors from the COVID-19 pandemic led to widespread burnout and job stress, prompting concerns about retention rates. This study identifies demographic and occupational predictors of Canadian nurses' intent to leave their jobs due to burnout and job stress during the COVID-19 pandemic.MethodsData was utilized from the Survey on Health Care Workers' Experiences During the Pandemic conducted by Statistics Canada. Multivariate logistic regression models were generated to analyze the associations between demographic and occupational factors and nurses' intent to leave.ResultsA total of 12,246 eligible participants responded to the survey (54.9% response); however, the analysis was restricted to 1138 nurses after excluding participants of other healthcare occupations. Younger nurses were significantly more likely to consider leaving their jobs [OR = 9.95, 95% CI: (5.92-16.73)], as well as nurses living in Alberta [OR = 3.16, 95% CI: (1.58-6.32)] and British Columbia [OR = 3.16, 95% CI: (1.66-6.03)]. Moreover, nurses with less work experience [OR = 3.91, 95 CI = (2.53-6.05)], work in acute care [(OR = 3.31, 95 CI = (1.69-6.51)], experienced changes in workload [OR = 2.69, 95% CI: (1.58-4.57)], had increased work hours [OR = 1.92, 95% CI: (1.27-2.92)], and lacked emotional support [OR = 3.43, 95 CI = (2.31-5.09)] had greater odds of intending to leave.ConclusionThe findings underscore the need for strategies to mitigate stress and burnout among nurses, particularly during public health crises. Implementing measures to address these factors could help improve retention rates and ensure a stable nursing workforce during future pandemics.
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 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,003 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».