The influence of trait-negative affect and compassion satisfaction on compassion fatigue in Australian nurses.
Notice bibliographique
Résumé
For this study, we examined the nature of the unique relationships trait-negative affect and compassion satisfaction had with compassion fatigue and its components of secondary traumatic stress and burnout in 273 nurses from 1 metropolitan tertiary acute hospital in Western Australia. Participants completed the Professional Quality of Life Scale (Stamm, 2010), Depression Anxiety Stress Scale (Lovibond & Lovibond, 2004), and the State-Trait Anxiety Inventory (Spielberger, Gorsuch, Lushene, Vagg, & Jacobs, 1983). Bivariate correlation and hierarchical regression analyses were performed to examine and investigate 4 hypotheses. The results demonstrate a clear differential pattern of relationships with secondary traumatic stress and burnout for both trait-negative affect and compassion satisfaction. Trait-negative affect was clearly the more important factor in terms of its contribution to overall compassion fatigue and secondary traumatic stress. In contrast, compassion satisfaction's unique protective relationship only related to burnout, and not secondary traumatic stress. The results are therefore consistent with the view that compassion satisfaction may be an important internal resource that protects against burnout, but is not directly influential in protecting against secondary traumatic stress for nurses working in an acute-care hospital environment. With the projected nursing workforce shortages in Australia, it is apparent that a further understanding is warranted of how such personal variables may work as protective and risk factors.
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 | 0,011 | 0,014 |
| 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 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,003 |
| 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 ».