Nurse practice environment, workload, burnout, job outcomes, and quality of care in psychiatric hospitals: a structural equation model approach
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
AIM: To study the relationships between nurse practice environment, workload, burnout, job outcomes and nurse-reported quality of care in psychiatric hospital staff. BACKGROUND: Nurses' practice environments in general hospitals have been extensively investigated. Potential variations across practice settings, for instance in psychiatric hospitals, have been much less studied. DESIGN: A cross-sectional design with a survey. METHOD: A structural equation model previously tested in acute hospitals was evaluated using survey data from a sample of 357 registered nurses, licensed practical nurses, and non-registered caregivers from two psychiatric hospitals in Belgium between December 2010-April 2011. The model included paths between practice environment dimensions and outcome variables, with burnout in a mediating position. A workload measure was also tested as a potential mediator between the practice environment and outcome variables. RESULTS: An improved model, slightly modified from the one validated earlier in samples of acute care nurses, was confirmed. This model explained 50% and 38% of the variance in job outcomes and nurse-reported quality of care respectively. In addition, workload was found to play a mediating role in accounting for job outcomes and significantly improved a model that ultimately explained 60% of the variance in these variables. CONCLUSION: In psychiatric hospitals as in general hospitals, nurse-physician relationship and other organizational dimensions such as nursing and hospital management were closely associated with perceptions of workload and with burnout and job satisfaction, turnover intentions, and nurse-reported quality of care. Mechanisms linking key variables and differences across settings in these relationships merit attention by managers and researchers.
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.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 découle