Causes and effects of hospital nursing shortages to consider potential feedback effects: an umbrella review
Notice bibliographique
Résumé
BACKGROUND: In Canada and internationally, health systems have experienced rising healthcare staffing shortages in recent years. Specifically, this study seeks to analyse evidence on the causes and effects of hospital nursing shortages, to consider whether shortages may be self-reinforcing. It complements an existing linear healthcare workforce logic model (Sonderegger et al., 2021) by considering whether there may be evidence that implies the existence of feedback loops (a form of system dynamics). METHODS: An umbrella review was undertaken to identify both causes and effects of hospital nursing shortages. A two-phase approach was undertaken: first, a review of all articles to identify a common list of factors, and second, a subsequent line-by-line review to ensure comprehensive coding. RESULTS: The umbrella review identified several specific issues which were both causes and effects of nursing shortages, across a number of articles. This suggests that shortages could be self-reinforcing. For policymakers, the implication is that early intervention is likely to support the resilience and retention of hospital nurses. For researchers, this study highlights the risk of biased coefficients within econometric analysis and provides a testable cross-country hypothesis for the impacts of early intervention. CONCLUSIONS: Overall, this study contributes to existing academic literature and practical policymaking by identifying evidence that nursing shortages may be self-reinforcing. Through proactive intervention to restrain the growth of workforce shortages, policymakers can support the welfare of healthcare service users and nurses themselves.
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 | 0,000 |
| 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 | 0,000 |
| 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 ».