Association between job strain, mental health and empathy among intensive care nurses
Notice bibliographique
Résumé
BACKGROUND: Nursing shortage is a worldwide issue. It could influence factors such as job strain, nurses' mental health and nurse empathy towards patients. AIM: The aim of the study is to explore the associations between job strain, psychological distress, psychological well-being and empathy in intensive care units (ICUs). DESIGN: A cross-sectional descriptive correlational design. METHODS: Data were collected using questionnaires and an observation tool completed by three observers during a standardized clinical simulation (SCS). A total of 26 nurses practicing in three ICUs participated in the study, which took place over 3 days in December 2011. RESULTS: One dimension of job strain, psychological demand, was associated with two subscales of mental health (psychological distress positively and psychological well-being negatively). Positive correlations were demonstrated between psychological distress and nurse empathy as perceived by both the observers and the actor who played the role of patient. CONCLUSION: Some associations have been confirmed between job strain, psychological distress, psychological well-being and empathy in the ICU while others needs further investigation. RELEVANCE TO CLINICAL PRACTICE: It is important to reduce psychological demand among intensive care nurses in order to prevent psychological distress. The exploration of the connection between empathy and psychological distress should be advanced. This study suggests that SCSs provide an innovative approach that is useful for research.
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 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 | 0,000 | 0,001 |
| 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 | 0,000 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».