The Characteristics of Working Overtime and Their Associations With Nurse and Patient Outcomes: A Systematic Review Protocol
Notice bibliographique
Résumé
Introduction: Healthcare systems often use overtime to manage nursing shortage and to provide continuous and required nursing care. Studies have examined the impact of working overtime on both nurse and patient outcomes with conflicting results. Objectives: We aim to summarize existing evidence on the association between overtime work and nurse and patient outcomes; and to identify avenues for future research. Method: A systematic search of MEDLINE, CINAHL, PsycINFO, Scopus, Campbell, and Cochrane Library will be conducted to identify relevant studies on the association between overtime and nurse and patient outcomes. The period covered will be from April 2013 to May 2025. Two independent reviewers will perform screening, study selection, and data extraction. A qualitative synthesis of the available evidence will be performed. The results will be reported in tables. Discussion and Research Spin-offs: This systematic review will inform nursing research and practice and provide valuable recommendations that can be used to guide policies and managers’ decisions regarding working overtime in nursing settings.
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 | 0,092 | 0,080 |
| Méta-épidémiologie (sens strict) | 0,006 | 0,006 |
| Méta-épidémiologie (sens large) | 0,019 | 0,014 |
| Bibliométrie | 0,020 | 0,017 |
| Études des sciences et des technologies | 0,005 | 0,006 |
| Communication savante | 0,008 | 0,009 |
| Science ouverte | 0,006 | 0,006 |
| Intégrité de la recherche | 0,008 | 0,006 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,051 | 0,009 |
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 ».