Workplace bullying and turnover intentions among male nurses in Bangladesh: a cross-sectional study
Notice bibliographique
Résumé
Background: Turnover among healthcare workers, such as nurses, is an important challenge in the healthcare sector, particularly in developing countries like Bangladesh. Even with the growing level of concern, there is very limited evidence of understanding the association between workplace bullying (WPB) and nurses' turnover intention (TI). Male nurses are a minority in the workplace, and in particular, may face unique societal and workplace challenges in Bangladesh. Thus, this study aimed to investigate the association between WPB and TI as well as identify the factors associated with TI among male nurses in Bangladesh. Methods: In Bangladesh, we conducted a cross-sectional study among nurses between February 2021 and July 2021, and data from 379 registered male nurses were analyzed. The study sites included indoor or outdoor healthcare services. We used the Short Negative Acts Questionnaire-9 to measure WPB and the Turnover Intention Scale-6 to measure TI. We performed a multiple linear regression model to investigate the association between WPB and TI adjusted for the potential covariates. Results: The mean age of the participants was 27 years. Our study found a statistically significant positive association between WPB and TI. Nurses' educational level, smoking status, job types, professional titles, timely payment, and training against violence were also significantly associated with TI. Age, residence, monthly income, accommodation facilities, sufficient equipment, and rewards were not significantly associated with TI. Conclusion: This study found a significant positive association between WPB and TI, and numerous factors were associated with TI among registered male nurses in Bangladesh. Our study emphasizes the need for focused interventions to reduce WPB among male nurses in Bangladesh.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 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) | 0,002 | 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 ».