MétaCan
Menu
Retour à la cohorte
Enregistrement W2084688056 · doi:10.5539/gjhs.v6n6p273

Coping Strategies Used by Iranian Nurses to Deal With Burnout: A Qualitative Research

2014· article· en· W2084688056 sur OpenAlexvenueno aff
Mohammad Mehdi Salaree, Armin Zareiyan, Abbas Ebadi

Notice bibliographique

RevueGlobal Journal of Health Science · 2014
Typearticle
Langueen
DomaineNursing
ThématiqueNursing education and management
Établissements canadiensnon disponible
Organismes subventionnairesBaqiyatallah University of Medical Sciences
Mots-clésNonprobability samplingBurnoutCoping (psychology)NursingQualitative researchContent analysisPsychological interventionPsychologyHealth carePerceptionIslamNursing Interventions ClassificationMedicineClinical psychologySociologyPopulation

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Although numerous studies have reported about coping strategies among health care worker throughout the world, but no research-based data are available on the perception of coping strategy among Clinical nurses in the Islamic Republic of Iran. OBJECTIVE: The aim of the present study was to describe and explore the experiences of Iranian nurses about their coping strategies. METHODS: In this study we used a qualitative research approach to explore how Iranian nurses perceive and resolve their burnout at work. Twelve nurses were selected by purposive sampling and in-depth semi structured interviews were conducted. All interviews were tape recorded, transcribed verbatim and then analyzed by means of the conventional qualitative content analysis method. RESULTS: The 5 main themes that evolved from content analysis included "religious responsibility", "approximation to God", "spiritual reward", "Holiness of the job" and "spiritual journey" emerged as the most important among these. CONCLUSIONS: The results of this study emphasized that religious or spiritual beliefs give purpose and meaning to nursing interventions, help them tolerate the problems at work, and make nursing care pleasurable. Therefore, although burnout is an important issue in nursing, attending to this dimension of their job is essential and healthcare authorities should pay a special attention to it.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,007
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,332
Score d'incertitude au seuil0,500

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0070,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,001
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,093
Tête enseignante GPT0,517
Écart entre enseignants0,424 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations19
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueGlobal Journal of Health ScienceMême sujetNursing education and managementTravaux en français237 207