Exposure to client aggression and burnout among community staff who support adults with intellectual disabilities in Ontario, Canada
Notice bibliographique
Résumé
BACKGROUND: Studies have shown that staff who support adults with intellectual disabilities (ID) are exposed to challenging behaviour in their work including client aggression. Exposure to aggressive behaviour has been associated with staff stress and burnout. Study samples have been small however, and there has been very little data exploring this issue among North American staff. METHODS: A cross-sectional survey which included demographics, measures of frequency and severity (including perceived severity and a standardised severity score) of exposure to client aggression and the Maslach Burnout Inventory - Human Services Survey (MBI-HSS) was completed by 926 community staff who support adults with ID in Ontario, Canada. Relationships between demographic variables and exposure to aggression were examined with descriptive statistics. Pearson correlations were used to analyse exposure variables and MBI-HSS scores. RESULTS: Nearly all staff reported being exposed to client aggression in the prior 6 months. Mean MBI-HSS scores were comparable to previously published data in similar populations with the exception of a higher score in the personal accomplishment domain. All measures of exposure to aggression were significantly positively correlated with MBI-HSS scores in the emotional exhaustion and depersonalisation dimensions of burnout. CONCLUSIONS: The prevalence of burnout in this North American sample is comparable to what has been reported in similar populations in other locations, although these staff may have a higher sense of accomplishment with regard to their work. Findings from this large sample support the evidence that exposure to client aggression affects staff emotional well-being but is by no means the only important factor. Further study is needed to explore the differences and similarities reported here as well as other contributing factors which will guide the implementation of effective strategies to improve staff well-being.
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 | 0,000 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,004 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| 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 ».