Une analyse des effets de la latitude de décision, de l'épuisement émotionnel et de la satisfaction au travail sur l'absentéisme au sein des unités de soins infirmiers
Bibliographic record
Abstract
RÉSUMÉ Nous avons examiné le rôle de la satisfaction au travail, de l’épuisement émotionnel, et de la latitude de décision au travail comme variables prédictives de l’absentéisme au sein des unités de soins infirmiers d’un hôpital universitaire. Des données exploitables furent obtenues auprès de 625 infirmières représentant 51 unités de soins. Nous avons d’abord utilisé la régression logistique écologique, de la forme événements/essais, où un événement est un jour d’absence et un essai un jour de travail à effectuer, pour examiner les données. Dans une modélisation univariée, l’absentéisme était significativement associé à l’épuisement émotionnel, la satisfaction au travail, et la latitude de décision au travail. Cependant, en régression multiple logistique, l’épuisement émotionnel n’était plus associé à l’absentéisme, contrairement à la latitude de décision et à la satisfaction au travail. Ces relations furent examinées plus en détail via une analyse des pistes causales par LISREL 8 . 72. Le meilleur modèle fut celui où la latitude de décision et la satisfaction au travail étaient des déterminants directs de l’absentéisme. Nous discutons la portée de ces résultats.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.007 | 0.025 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.002 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.008 | 0.001 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".