Trends and indicators of nursing workforce shortages in Canada: a retrospective ecological study, 2015–2022
Notice bibliographique
Résumé
OBJECTIVES: To examine longitudinal trends and identify key indicators of nursing workforce shortages across Canadian provinces and territories using publicly available data. DESIGN: Retrospective ecological study. SETTING: Primary and secondary care in Canada. National data were extracted from Statistics Canada and the Canadian Institute for Health Information (CIHI) between 2015 and 2022 at the provincial and territorial levels. PARTICIPANTS: The study included registered nurses and registered psychiatric nurses employed in the Canadian healthcare system. Licensed practical nurses and nurse practitioners were excluded. Territories with missing data were excluded from the analysis. PRIMARY AND SECONDARY OUTCOME MEASURES: The primary outcome was nursing workforce shortage, assessed in relation to potential indicators, including the nurse-to-population ratio, job vacancy rate and annual costs of overtime work, using structural equation modelling (SEM). RESULTS: The Canadian nursing workforce grew by 8.0%, with the nurse-to-population ratio increasing from 11.08 to 12.13 per 1000 population. Job vacancies rose by 6.4% (95% CI: 6.29 to 6.51%), overtime hours increased by 13.09 million (95% CI: 10.28 to 15.87) and yearly overtime costs rose by 0.78 billion CAD (95% CI: 0.64 to 0.92). SEM revealed significant associations between workforce shortage and the nurse-to-population ratio (standardised β=0.863, 95% CI: 0.942 to 0.975), job vacancy rate (β=0.958, 95% CI: 0.927 to 0.990) and yearly overtime costs (β=0.983, 95% CI: 0.967 to 0.999). Predicted shortage scores were lower before 2020 but increased significantly after 2020, potentially reflecting the impact of COVID-19 pandemic. CONCLUSIONS: Despite growth in the nursing workforce, increasing job vacancies, overtime hours and costs highlight persistent shortages. Monitoring these indicators is essential for effective workforce planning and sustainable healthcare delivery.
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 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,007 |
| Études des sciences et des technologies | 0,003 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,002 | 0,002 |
| 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 ».