Impact of leadership development on emotional health in healthcare managers
Notice bibliographique
Résumé
AIM: To examine the effects of a Leadership Development Initiative (LDI) on the emotional health and well-being among five levels of healthcare managers. BACKGROUND: Increasingly dynamic, demanding healthcare environments result in highly stressful work atmospheres. METHODS: Using quasi-experimental and mixed methods, we used regression on pre- and post-LDI survey data with 86 managers, and individual/focus group interview data for focused ethnographic analysis. RESULTS: An increasing trend was observed in self-assessed leadership practices after the LDI with a significant increase in 'inspiring a shared vision' (P<0.01). However, a non-significant decreasing trend in areas of work life and a non-significant increase in cynicism (P=0.14) was observed. Before the LDI, participants' self-assessment of their practice to 'enable others to act' was negatively related to emotional exhaustion (P<0.01). Both before and after the LDI, 'modelling the way' was significantly related to professional efficacy (P<0.01 pre; P<0.05 post). Post-LDI, 'inspiring a shared vision' was negatively (P<0.01) and 'enabling others to act' was positively (P<0.05) related to cynicism. CONCLUSION: The LDI provided opportunities for healthcare managers to connect, strengthen leadership and social support networks and manage burnout. IMPLICATIONS FOR NURSING MANAGEMENT: Transformational leadership practices may influence managers' emotional health. Senior administrative support and communicating the structure and vision of developmental initiatives may help to achieve realistic expectations.
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 | 0,003 | 0,006 |
| 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 | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».