Conceptual Models of Early and Involuntary Retirement among Canadian Registered Nurses and Allied Health Professionals
Bibliographic record
Abstract
RESUMÉ La disponibilité des professionnels de la santé est fondamentale pour la santé de la population. Plusieurs tendances contribuent cependant à la pénurie de ces professionnels. Objet : Élaborer et valider des modèles conceptuels de retraite hâtive et de retraite involontaire pour les infirmières et les professionnels paramédicaux (PP). Méthode : Une revue de la littérature sur la retraite (n = 23 études) a été réalisée. Toutes les variables rapportées comme des facteurs prédictifs de la retraite hâtive ou de la retraite involontaire ont été incorporées dans un modèle. Pour atteindre une validité apparente, nous avons mené des entrevues avec des infirmières et des PP canadiens (n = 14). Résultats : Le modèle conceptuel de la retraite hâtive incluait huit catégories (38 facteurs): caractéristiques du lieu de travail, variables sociodémographiques, attitudes et croyances, contexte plus général, facteurs organisationnels, famille, mode de vie et santé, en lien avec le travail. Le modèle de la retraite involontaire incluait quatre catégories (8 facteurs): contexte plus général, variables sociodémographiques, mode de vie et santé, famille. Les responsabilités en matière de soins (facteur) ont été ajoutées compte tenu des résultats des entrevues. Discussion : Les infirmières et les PP tiennent compte de nombreux facteurs lorsqu’ils envisagent leur retraite. Certains seraient sensibles à l’intercession, ce qui permettrait d’étendre la vie professionnelle des infirmières et des PP plus âgés.
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 | 0.006 | 0.012 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.004 | 0.004 |
| Science and technology studies | 0.006 | 0.005 |
| Scholarly communication | 0.006 | 0.002 |
| Open science | 0.003 | 0.003 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.004 | 0.000 |
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".