Quality of work life in doctors working with cancer patients
Notice bibliographique
Résumé
BACKGROUND: Although studies have shown that medical residents experience poor psychological health and poor organizational conditions, their quality of work life (QWL) had not been measured. A new tool, the Quality of Work Life Systemic Inventory (QWLSI), proposes to fill the gap in the definition and assessment of this concept. AIMS: To confirm the convergent validity of the QWLSI, analyse Belgian medical residents' QWL with the QWLSI and discuss an intervention methodology based on the analysis of the QWLSI. METHODS: One hundred and thirteen medical residents participated between 2002 and 2006. They completed the QWLSI, the Maslach Burnout Inventory and the Job Stress Survey to confirm the correspondence between these three tools. RESULTS: Residents' low QWL predicted high emotional exhaustion (β = 0.282; P < 0.01) and job stress (β = 0.370; P < 0.001) levels, confirming the convergent validity. This sample of medical residents had an average QWL (μ = 5.8; SD = 3.1). However, their QWL was very low for three subscales: arrangement of work schedule (μ = 9; SD = 6.3), support offered to employee (μ = 7.6; SD = 6.1) and working relationship with superiors (μ = 6.9; SD = 5.3). CONCLUSIONS: The results confirm that the QWLSI can provide an indication of workers' health well-being and of organizational performance in different areas of work life. The problem factors found among Belgian medical residents suggest that prevention should focus on reduction of work hours, development of support and change in leadership style.
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 | 0,001 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 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 ».